Page 110 - 中国全科医学2022-04
P. 110

http://www.chinagp.net   E-mail:zgqkyx@chinagp.net.cn  ·491·


           1.2 研究工具 课题组自行设计调查问卷，问卷包括                           度分析；采用探索性因子分析进行结构效度分析；以
           一般资料和《老年人营养不良风险评估》量表两部分。                            《老年人营养不良风险评估》工具结果为参照，采用
           一般资料包括年龄、性别、文化程度、自我感觉经济状                            AUC、灵敏度、特异度、约登指数、Kappa 系数综合评
           况。《老年人营养不良风险评估》量表来源于 2017 年《老                       价简版老年人营养筛查工具的预测效度。以 P<0.05 为
           年人营养不良风险评估》卫生标准，用于评价≥ 65 岁                          差异有统计学意义。
           老年人的营养状况，包括初筛和评估两部分内容。其中，                           2 结果
           初筛部分包括 6 个条目，满分为 14 分，其中近 3 个月                      2.1 一般资料 被调查的 1 411 例老年人，平均年龄
           体质量变化、BMI 得分为 0~3 分，活动能力、神经精神                       （81.1±8.3） 岁， 其 中 65~74 岁 329 例（23.32%），
           疾病、牙齿状况、近 3 个月饮食量变化得分为 0~2 分；                       75~84 岁 547 例（38.77%），85~94 岁 477 例（33.80%），
           评估部分包括 14 个条目，满分为 16 分，其中疾病种数、                      ≥ 95 岁 58 例（4.11%）； 男 602 例（42.66%）， 女
           药物种数、是否独居、户外独立活动时间、睡眠时间、                            809 例（57.34%）；文化程度中文盲 152 例（10.77%），
           文化程度、经济状况、蛋白质摄入种数、蔬菜水果摄入、                           小学 340 例（24.10%），初中 311 例（22.04%），高中 / 中
           食油摄入、小腿围和腰围得分为 0~1 分，进食能力和进                         专 283 例（20.06%），大学专科 169 例（11.98%），大
           餐次数得分为 0~2 分；此外，根据年龄调整分值为 0~1                       学本科及以上 156 例（11.05%）；自我感觉经济状况差
           分（即年龄超过 70 岁加 1 分）。量表总分（初筛 + 评估）                    者 149 例（10.56%），一般者 906 例（64.21%），良好
           为 0~30 分，得分越高表示老年人营养状况越好。结果                         者 356 例（25.23%）；营养状况良好者 524 例（37.14%），
           判定方法为：初筛量表总分≥ 12 分为无营养不良风险，                         有营养不良风险者 793 例（56.20%），营养不良者 94
           无须评估；初筛量表总分 <12 分时需要继续完成评估量                         例（6.66%）。
           表；最终，营养不良风险评估总分（初筛和评估得分之                            2.2 简版老年人营养筛查工具的构建
           和）≥ 24 分表示营养状况良好，18~23 分表示有营养                       2.2.1 条目初筛和调整 《老年人营养不良风险评估》
           不良风险，≤ 17 分表示营养不良。本工具在养老机构                          信效度研究结果显示，该工具中部分条目与总分相关性
           中应用的 Cronbach's α 系数为 0.323    ［5］ 。                和鉴别度较差      ［5］ 。条目初筛中删除条目包括“近 3 个
           1.3 资料收集方法 将本研究使用工具开发成手机                            月饮食量变化”“是否独居”“睡眠时间”“文化程度”“经
           APP，研究者对 12 家养老机构的调查员进行培训，由                         济状况”“进餐次数”“蛋白质摄入种数”“食油摄入”“蔬
           培训合格的调查员对所在养老机构老年人进行评估，                             菜水果摄入”“年龄”。由于本研究拟构建的简版老年
           研究者进行实地督导并随时线上解答调查员调查中的问                            人营养筛查工具更加关注对营养不足者的筛查，故同时
           题。调查员采用 APP 中统一的指导语向调查对象解释                          删除原工具中用于评价肥胖的条目“腰围”，并取消
           研究目的和意义，征得本人或监护人同意后以不记名方                            对 BMI 上限的限制。将纳入 Logistic 回归分析的自变量
                                                                                           2
                                                                                                            2
           式填写问卷，系统自动检查并提醒调查员填写遗漏项，                            BMI 的分类调整为“<19.0 kg/m ”“19.0~20.9 kg/m ”
                                                                                             2
                                                                             2
           问卷填写完整后方能提交。共发放问卷 1 450 份，剔除                        “21.0~22.9 kg/m ”“≥ 23.0 kg/m ”。最后共计 10 个
           年龄 <65 岁的问卷后，回收有效问卷 1 411 份，问卷有                     变量进入 Logistic 回归分析。
           效回收率为 97.31%。                                       2.2.2 Logistic 回归模型构建 以《老年人营养不良风险
           1.4 统计学方法 采用 SPSS 24.0 统计软件进行数据分                    评估》工具筛查结果（赋值：营养状况良好 =1，有营养
           析。计量资料以（ ±s）表示，计数资料以相对数表                            不良风险 =2，营养不良 =3）为因变量，初筛条目为自
           示。以本研究团队前期发表的京津地区养老机构《老年                            变量进行有序多分类 Logistic 回归分析，结果显示 10 个
           人营养不良风险评估》应用效果评价研究                   ［5］ 中《老年       变量均是老年人营养状况的影响因素（P<0.05），见表 1。
           人营养不良风险评估》工具项目分析结果进行条目初                             Logistic 回归模型分类正确率为 86.3%，构建 ROC 曲线，
           筛，删除临界比 <3 且条目 - 总分相关系数 <0.400 的条                   预测营养状况良好、有营养不良风险、营养不良的 AUC
           目后，构建有序多分类 Logistic 回归模型和受试者工作                      分别为 0.962、0.942、0.989，均有统计学意义（P<0.001），
           特征（ROC）曲线，得到 ROC 曲线下面积（AUC）；                        见表 2。
           将Logistic回归模型中有统计学意义的变量作为自变量，                       2.2.3 决策树模型构建 以《老年人营养不良风险评
           使用 Cart 算法构建决策树，分析 ROC 曲线得到 AUC；                    估》工具筛选结果（赋值：营养状况良好 =1，有营养
           比较两个模型的 AUC，依据最优模型下各变量的重要                           不良风险 =2，营养不良 =3）为因变量，将有序多分
           性进行赋值，采用 ROC 曲线确定最佳预测指标截断点                          类 Logistic 回归模型中有意义的变量作为自变量，使用
           进行临界值划分，形成简版老年人营养筛查工具。计算                            Cart 算法构建决策树，采用交叉验证，限制父节点最小
           简版老年人营养筛查工具的 Cronbach's α 系数进行信                     个案数为 30，子节点最小个案数为 10，最大树深度为 5。
   105   106   107   108   109   110   111   112   113   114   115