基于預測模型的養(yǎng)老機構(gòu)簡版老年人營養(yǎng)篩查工具構(gòu)建與信效度驗證

朱丹，謝紅

我國老齡化程度持續(xù)加深，2019年末60歲及以上人口達2.53億，占總?cè)丝诘?8.1%，其中65歲及以上人口1.76億，占總?cè)丝诘?2.6%［1］。營養(yǎng)支持對老年人保持良好健康、功能和生活質(zhì)量非常重要［2］。為積極應對人口老齡化，2017年國務(wù)院辦公廳發(fā)布了《國民營養(yǎng)計劃（2017—2030年）》（國辦發(fā)〔2017〕60號）［3］，提出開展老年人群營養(yǎng)狀況監(jiān)測和評價，建立滿足不同老年人群需求的營養(yǎng)改善措施，建立老年人群營養(yǎng)健康管理與照護制度，促進“健康老齡化”。營養(yǎng)篩查是通過有效工具快速識別營養(yǎng)不良或有營養(yǎng)不良風險對象的過程，老年人營養(yǎng)狀況識別是開展老年人群營養(yǎng)改善工作的基礎(chǔ)［4］。2017年國家衛(wèi)生健康委員會曾公布過以行業(yè)標準《老年人營養(yǎng)不良風險評估》（WS/T 552-2017）作為老年人群營養(yǎng)篩查與評估工具，但在養(yǎng)老機構(gòu)老年人群中的信效度驗證結(jié)果顯示，該工具部分條目在養(yǎng)老機構(gòu)不適用，鑒別度和同質(zhì)性不高，工具結(jié)構(gòu)效度和內(nèi)部一致性不理想［5］。同時，由于該工具采用先篩查再針對部分風險人群進行評估的方式，工具使用較復雜，不同風險程度的老年人獲取數(shù)據(jù)信息不一致，影響了該工具在養(yǎng)老機構(gòu)老年人群中的實際應用。針對國民營養(yǎng)計劃中普遍開展老年人群營養(yǎng)篩查的目標，需要簡便、易行、結(jié)構(gòu)更為優(yōu)化且適用于養(yǎng)老機構(gòu)老年人群的營養(yǎng)篩查工具。預測模型是結(jié)合多種危險因素預測患者預后的統(tǒng)計模型，常見的模型包括Logistic回歸模型和決策樹模型等［6-7］。目前有研究通過Logistic回歸模型構(gòu)建或改良針對兒童、心力衰竭患者或國外老年人的營養(yǎng)篩查與評價工具［8-12］，通過決策樹模型進行疾病風險、并發(fā)癥風險和疾病預后的預測［13-15］，預測模型在臨床中應用廣泛且效果佳。本研究在2017年行業(yè)標準《老年人營養(yǎng)不良風險評估》（WS/T 552-2017）工具的基礎(chǔ)上，采用上述兩種模型比較，選取最優(yōu)模型以構(gòu)建適用于養(yǎng)老機構(gòu)老年人的可靠、推廣性強的簡版老年人營養(yǎng)篩查工具，并檢驗其信效度，為我國養(yǎng)老機構(gòu)老年人群營養(yǎng)狀況監(jiān)測提供有效的篩查工具。

1 對象與方法

1.2 研究工具 課題組自行設(shè)計調(diào)查問卷，問卷包括一般資料和《老年人營養(yǎng)不良風險評估》量表兩部分。一般資料包括年齡、性別、文化程度、自我感覺經(jīng)濟狀況。《老年人營養(yǎng)不良風險評估》量表來源于2017年《老年人營養(yǎng)不良風險評估》衛(wèi)生標準，用于評價≥65歲老年人的營養(yǎng)狀況，包括初篩和評估兩部分內(nèi)容。其中，初篩部分包括6個條目，滿分為14分，其中近3個月體質(zhì)量變化、BMI得分為0～3分，活動能力、神經(jīng)精神疾病、牙齒狀況、近3個月飲食量變化得分為0～2分；評估部分包括14個條目，滿分為16分，其中疾病種數(shù)、藥物種數(shù)、是否獨居、戶外獨立活動時間、睡眠時間、文化程度、經(jīng)濟狀況、蛋白質(zhì)攝入種數(shù)、蔬菜水果攝入、食油攝入、小腿圍和腰圍得分為0～1分，進食能力和進餐次數(shù)得分為0～2分；此外，根據(jù)年齡調(diào)整分值為0～1分（即年齡超過70歲加1分）。量表總分（初篩+評估）為0～30分，得分越高表示老年人營養(yǎng)狀況越好。結(jié)果判定方法為：初篩量表總分≥12分為無營養(yǎng)不良風險，無須評估；初篩量表總分<12分時需要繼續(xù)完成評估量表；最終，營養(yǎng)不良風險評估總分（初篩和評估得分之和）≥24分表示營養(yǎng)狀況良好，18～23分表示有營養(yǎng)不良風險，≤17分表示營養(yǎng)不良。本工具在養(yǎng)老機構(gòu)中應用的Cronbach's α系數(shù)為0.323［5］。

1.3 資料收集方法 將本研究使用工具開發(fā)成手機APP，研究者對12家養(yǎng)老機構(gòu)的調(diào)查員進行培訓，由培訓合格的調(diào)查員對所在養(yǎng)老機構(gòu)老年人進行評估，研究者進行實地督導并隨時線上解答調(diào)查員調(diào)查中的問題。調(diào)查員采用APP中統(tǒng)一的指導語向調(diào)查對象解釋研究目的和意義，征得本人或監(jiān)護人同意后以不記名方式填寫問卷，系統(tǒng)自動檢查并提醒調(diào)查員填寫遺漏項，問卷填寫完整后方能提交。共發(fā)放問卷1 450份，剔除年齡<65歲的問卷后，回收有效問卷1 411份，問卷有效回收率為97.31%。

1.4 統(tǒng)計學方法 采用SPSS 24.0統(tǒng)計軟件進行數(shù)據(jù)分析。計量資料以（±s）表示，計數(shù)資料以相對數(shù)表示。以本研究團隊前期發(fā)表的京津地區(qū)養(yǎng)老機構(gòu)《老年人營養(yǎng)不良風險評估》應用效果評價研究［5］中《老年人營養(yǎng)不良風險評估》工具項目分析結(jié)果進行條目初篩，刪除臨界比<3且條目-總分相關(guān)系數(shù)<0.400的條目后，構(gòu)建有序多分類Logistic回歸模型和受試者工作特征（ROC）曲線，得到ROC曲線下面積（AUC）；將Logistic回歸模型中有統(tǒng)計學意義的變量作為自變量，使用Cart算法構(gòu)建決策樹，分析ROC曲線得到AUC；比較兩個模型的AUC，依據(jù)最優(yōu)模型下各變量的重要性進行賦值，采用ROC曲線確定最佳預測指標截斷點進行臨界值劃分，形成簡版老年人營養(yǎng)篩查工具。計算簡版老年人營養(yǎng)篩查工具的Cronbach's α系數(shù)進行信度分析；采用探索性因子分析進行結(jié)構(gòu)效度分析；以《老年人營養(yǎng)不良風險評估》工具結(jié)果為參照，采用AUC、靈敏度、特異度、約登指數(shù)、Kappa系數(shù)綜合評價簡版老年人營養(yǎng)篩查工具的預測效度。以P<0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 一般資料 被調(diào)查的1 411例老年人，平均年齡（81.1±8.3）歲，其中65～74歲329例（23.32%），75～84歲547例（38.77%），85～94歲477例（33.80%），≥95歲58例（4.11%）； 男602例（42.66%）， 女809例（57.34%）；文化程度中文盲152例（10.77%），小學340例（24.10%），初中311例（22.04%），高中/中專283例（20.06%），大學專科169例（11.98%），大學本科及以上156例（11.05%）；自我感覺經(jīng)濟狀況差者149例（10.56%），一般者906例（64.21%），良好者356例（25.23%）；營養(yǎng)狀況良好者524例（37.14%），有營養(yǎng)不良風險者793例（56.20%），營養(yǎng)不良者94例（6.66%）。

2.2 簡版老年人營養(yǎng)篩查工具的構(gòu)建

2.2.1 條目初篩和調(diào)整 《老年人營養(yǎng)不良風險評估》信效度研究結(jié)果顯示，該工具中部分條目與總分相關(guān)性和鑒別度較差［5］。條目初篩中刪除條目包括“近3個月飲食量變化”“是否獨居”“睡眠時間”“文化程度”“經(jīng)濟狀況”“進餐次數(shù)”“蛋白質(zhì)攝入種數(shù)”“食油攝入”“蔬菜水果攝入”“年齡”。由于本研究擬構(gòu)建的簡版老年人營養(yǎng)篩查工具更加關(guān)注對營養(yǎng)不足者的篩查，故同時刪除原工具中用于評價肥胖的條目“腰圍”，并取消對BMI上限的限制。將納入Logistic回歸分析的自變量BMI的分類調(diào)整為“<19.0 kg/m2”“19.0～20.9 kg/m2”“21.0～22.9 kg/m2”“≥23.0 kg/m2”。最后共計10個變量進入Logistic回歸分析。

2.2.2 Logistic回歸模型構(gòu)建 以《老年人營養(yǎng)不良風險評估》工具篩查結(jié)果（賦值：營養(yǎng)狀況良好=1，有營養(yǎng)不良風險=2，營養(yǎng)不良=3）為因變量，初篩條目為自變量進行有序多分類Logistic回歸分析，結(jié)果顯示10個變量均是老年人營養(yǎng)狀況的影響因素（P<0.05），見表1。Logistic回歸模型分類正確率為86.3%，構(gòu)建ROC曲線，預測營養(yǎng)狀況良好、有營養(yǎng)不良風險、營養(yǎng)不良的AUC分別為0.962、0.942、0.989，均有統(tǒng)計學意義（P<0.001），見表2。

表1 老年人營養(yǎng)狀況影響因素的有序多分類Logistic回歸分析Table 1 Ordinal，multinominal Logistic regression analysis of factors related to nutrition status in nursing home-dwelling older people

2.2.3 決策樹模型構(gòu)建 以《老年人營養(yǎng)不良風險評估》工具篩選結(jié)果（賦值：營養(yǎng)狀況良好=1，有營養(yǎng)不良風險=2，營養(yǎng)不良=3）為因變量，將有序多分類Logistic回歸模型中有意義的變量作為自變量，使用Cart算法構(gòu)建決策樹，采用交叉驗證，限制父節(jié)點最小個案數(shù)為30，子節(jié)點最小個案數(shù)為10，最大樹深度為5。進入模型的變量有活動能力、牙齒狀況、近3個月體質(zhì)量變化、BMI、神經(jīng)精神疾病、小腿圍、進食能力和服用藥物種數(shù)，根節(jié)點為活動能力（圖1）。決策樹模型分類正確率為80.0%，構(gòu)建ROC曲線，預測營養(yǎng)良好、營養(yǎng)不良風險、營養(yǎng)不良的AUC分別為0.914、0.868、0.968，均有統(tǒng)計學意義（P<0.001），見表2。

2.2.4 最終版簡版老年人營養(yǎng)篩查工具形成 比較Logistic回歸模型、決策樹模型對老年人營養(yǎng)狀況分類的AUC、靈敏度、特異度、約登指數(shù)和分類正確率，確定Logistic回歸模型為最優(yōu)模型（表2）。以最優(yōu)模型為基礎(chǔ)，根據(jù)各條目重要性（回歸系數(shù)）進行賦值，將最小回歸系數(shù)的變量賦值為0.5，計算其余變量與其的比值后賦值為0.5、1、2、3分，構(gòu)成簡版老年人營養(yǎng)篩查工具（表3）。以《老年人營養(yǎng)不良風險評估》工具結(jié)果為對照，進行ROC曲線分析，采用最大約登指數(shù)得到判斷營養(yǎng)不良風險和營養(yǎng)不良的最佳截斷點［17］（圖2～3）。結(jié)果顯示存在營養(yǎng)不良風險的臨界值為3.5分，營養(yǎng)不良的臨界值為8分。最終形成的簡版老年人營養(yǎng)篩查工具由BMI、近3個月體質(zhì)量變化、活動能力、牙齒狀況、神經(jīng)精神疾病、疾病種數(shù)、藥物種數(shù)、戶外獨立活動時間、進食能力、小腿圍10個條目組成。總分0～14.5分，評分0～3.0分表示營養(yǎng)良好，3.5～7.5分表示有營養(yǎng)不良風險，8.0～14.5分表示營養(yǎng)不良。根據(jù)最終版簡版老年人營養(yǎng)篩查工具對老年人營養(yǎng)狀況進行重新評估，結(jié)果顯示老年人營養(yǎng)狀況良好634例（44.93%）、有營養(yǎng)不良風險639例（45.29%）、營養(yǎng)不良138例（9.78%）。

表2 Logistic回歸模型與決策樹模型的AUC、靈敏度、特異度及約登指數(shù)Table 2 The AUC，sensitivity，specificity and Youden index of Logistic regression model and decision tree model for predicting nutrition status in nursing home-dwelling older people

表3 最終版簡版老年人營養(yǎng)篩查工具Table 3 The concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

2.3 信效度分析

2.3.1 信度 信度分析結(jié)果顯示，最終版簡版老年人營養(yǎng)篩查工具的Cronbach's α系數(shù)為0.463，前期研究中《老年人營養(yǎng)不良風險評估》工具的Cronbach's α系數(shù)為0.323［6］，簡版老年人營養(yǎng)篩查工具的內(nèi)部一致性有所提高。

2.3.2 結(jié)構(gòu)效度 采用探索性因子分析進行結(jié)構(gòu)效度分析。簡版老年人營養(yǎng)篩查工具的KMO值為0.684>0.5，Bartlett's球形檢驗值為1 827.031、P<0.001，表示適合進行因子分析［18］。采用主成分分析法提取公因子，最大方差法進行旋轉(zhuǎn)，得到5個特征值>1的公因子，累積解釋變異量為69.9%，各條目載荷值>0.400，無雙重載荷情況，見表4。

表4 最終版簡版老年人營養(yǎng)篩查工具各條目因子載荷情況Table 4 The distribution map of factor loading of the concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

2.3.3 預測效度 以《老年人營養(yǎng)不良風險評估》工具為標準進行ROC曲線分析，結(jié)果顯示，簡版老年人營養(yǎng)篩查工具以總分≥3.5分劃分為營養(yǎng)不良風險時，靈敏度為0.799，特異度為0.870，約登指數(shù)為0.670，AUC（95%CI）為 0.902（0.892，0.922）；以總分≥ 8分劃分為營養(yǎng)不良時，靈敏度為0.809，特異度為0.953，約登指數(shù)為0.761，AUC（95%CI）為0.976（0.967，0.985），見圖2～3、表5。簡版老年人營養(yǎng)篩查工具與《老年人營養(yǎng)不良風險評估》工具對老年人營養(yǎng)狀況劃分的一致性（Kappa系數(shù)）為0.627，有高度的一致性。

表5 最終版簡版老年人營養(yǎng)篩查工具的靈敏度、特異度、約登指數(shù)、AUCTable 5 Sensitivity，specificity，Youden index and AUC of the concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

圖3 最終版簡版老年人營養(yǎng)篩查工具預測營養(yǎng)不良的ROC曲線Figure 3 ROC curve of the predictive performance for malnutrition of the concise Nutritional Risk Assessment Scale for Nursing Home-dwelling Older People

3 討論

良好的營養(yǎng)狀況是健康老齡化的重要保障，養(yǎng)老機構(gòu)作為我國社會養(yǎng)老服務(wù)體系的重要支撐［19］，收住了大量需要照料的失能、半失能老年人，高齡和疾病等因素使養(yǎng)老機構(gòu)中的老年人更容易出現(xiàn)營養(yǎng)問題。研究顯示，養(yǎng)老機構(gòu)老年人營養(yǎng)不良比例為5.1%～30.0%，營養(yǎng)不良風險比例為36.0%～67.6%［20-21］。盡管養(yǎng)老機構(gòu)中老年人營養(yǎng)不良的發(fā)生率很高，但在機構(gòu)照護中對營養(yǎng)護理的重視程度通常排名靠后；養(yǎng)老機構(gòu)缺乏規(guī)范的老年人營養(yǎng)管理標準，照護人員缺乏營養(yǎng)專業(yè)知識和管理意識，無法識別營養(yǎng)不良，并給予個性化、有針對性的營養(yǎng)支持［22］。統(tǒng)一、可靠、實用的營養(yǎng)篩查工具是養(yǎng)老機構(gòu)監(jiān)測、改善老年人營養(yǎng)狀況的基礎(chǔ)。我國發(fā)布的《老年人營養(yǎng)不良風險評估》行業(yè)標準雖然提供了適用于我國≥65歲老年人群的營養(yǎng)評價工具，但該工具在養(yǎng)老機構(gòu)老年人中應用的信效度不理想，部分條目在養(yǎng)老機構(gòu)中不適用［5］。另一方面，《老年人營養(yǎng)不良風險評估》工具中規(guī)定，當同時存在BMI≥24.0 kg/m2或腰圍超過標準時提示可能是肥胖/超重型營養(yǎng)不良，營養(yǎng)不足與營養(yǎng)過剩是相反的營養(yǎng)失衡狀態(tài)，無法通過相同的評估總分同時對二者進行判斷。同時，目前多項指南或?qū)W會推薦使用的營養(yǎng)篩查、評價工具，如微型營養(yǎng)評價（MNA）、簡版微型營養(yǎng)評價（MNA-SF）、營養(yǎng)不良通用篩查工具（MUST）、營養(yǎng)風險篩查-2002（NRS-2002）等，均通過體質(zhì)量下降、BMI過低等指標來識別營養(yǎng)不足，并不對營養(yǎng)過剩進行評價［23-26］。老年人營養(yǎng)不足是普遍存在問題，且易引發(fā)多種不良健康后果［27］，而研究顯示老年人群超重與死亡風險增加關(guān)系不大，當BMI<23.0 kg/m2時老年人死亡風險增加［22，28］，故本研究中對BMI的分組進行了相應調(diào)整。在《老年人營養(yǎng)不良風險評估》工具信效度研究基礎(chǔ)上，采用預測模型的方法，通過對比Logistic回歸模型和決策樹模型，選取了更優(yōu)的Logistic回歸模型構(gòu)建適用于養(yǎng)老機構(gòu)的簡版老年人營養(yǎng)篩查工具，經(jīng)檢驗其有較好的信效度，可有效識別有營養(yǎng)不良風險和營養(yǎng)不良的老年人，為我國養(yǎng)老機構(gòu)開展老年人群營養(yǎng)篩查與監(jiān)測提供了可靠的工具。

3.1 條目刪減原因分析 項目分析結(jié)果顯示，有10個條目鑒別度較低，且與總分的相關(guān)性不足被刪除，究其原因老年人營養(yǎng)篩查工具需要適用于不同養(yǎng)老方式的老年人，而本研究調(diào)查養(yǎng)老機構(gòu)老年人，不存在獨居情況，“是否獨居”條目被刪除；養(yǎng)老機構(gòu)老年人的膳食主要由機構(gòu)提供，其進餐次數(shù)及蛋白質(zhì)、食油和蔬菜水果的攝入比較穩(wěn)定，而文化程度、經(jīng)濟狀況等因素主要影響老年人的食物獲取［29］，對機構(gòu)老年人的營養(yǎng)狀況影響可能較小，以上條目均被刪除。但是對于社區(qū)居家老年人，獨居和膳食攝入可能影響其營養(yǎng)狀況，需通過進一步的研究驗證本工具在社區(qū)居家老年人中應用的有效性，并確定是否需要納入以上條目制定社區(qū)居家版本的老年人營養(yǎng)篩查工具。“近3個月飲食量變化”被刪除的原因可能是進食量的變化對營養(yǎng)狀況的影響反映在體質(zhì)量的變化上，其重要性被體質(zhì)量變化抵消，另外對進食量的記錄和評估不準確也可能導致該條目篩查營養(yǎng)狀況的可靠性不高。睡眠時間可能由于其對老年人營養(yǎng)狀況的影響有限而被刪除。

3.2 條目權(quán)重分析 經(jīng)條目初篩后，剩下的10個可靠程度較高的條目均進入了回歸模型，表示這些變量是影響老年人營養(yǎng)狀況的重要因素。簡版老年人營養(yǎng)篩查工具中權(quán)重較高的變量為BMI、近3個月體質(zhì)量變化、神經(jīng)精神疾病、活動能力和牙齒狀況，相對較低的條目為進食能力、戶外獨立活動時間、疾病種數(shù)、藥物種數(shù)和小腿圍，與《老年人營養(yǎng)不良風險評估》工具相比，近3個月體質(zhì)量變化、疾病種數(shù)、藥物種數(shù)、進食能力和小腿圍權(quán)重略降低。決策樹模型中變量的重要性呈現(xiàn)類似結(jié)果，活動能力、牙齒狀況、體質(zhì)量變化、神經(jīng)精神疾病是判斷老年人存在營養(yǎng)不良的重要因素，疾病種數(shù)、藥物種數(shù)、小腿圍的重要性相對較低。BMI和非計劃性的體質(zhì)量下降是常用的判斷老年人營養(yǎng)不良的變量，本研究發(fā)現(xiàn)活動能力也是影響老年人營養(yǎng)狀況的重要因素。老年人營養(yǎng)不足、體質(zhì)量下降時主要減少的是肌肉含量，從而導致老年人活動能力下降，活動能力下降又會進一步影響老年人食物的獲取能力和手段，并加重營養(yǎng)不良。在決策樹模型中活動能力為判斷老年人營養(yǎng)狀況的根節(jié)點，表示其在老年人的營養(yǎng)狀況中有重要作用，是進行老年人營養(yǎng)改善時的干預要點和重要結(jié)局指標之一。疾病種數(shù)、藥物種數(shù)在判斷老年人營養(yǎng)狀況時的重要性較低，在決策樹模型中僅藥物種數(shù)進入模型，可能的原因是不同疾病和藥物對營養(yǎng)狀況的影響不同，疾病和藥物存在一定的共同性，在決策樹中其作用被藥物種數(shù)替代。

3.3 信度分析 信度代表量表的一致性或穩(wěn)定性［18］，最終版簡版老年人營養(yǎng)篩查工具的Cronbach's α系數(shù)為0.463，與《老年人營養(yǎng)不良風險評估》工具相比，信度得到了提高但仍未達到0.6。可能的原因是簡版老年人營養(yǎng)篩查工具的條目較少，不同的條目反映了不同的營養(yǎng)不良危險因素；另外，分析發(fā)現(xiàn)降低工具內(nèi)部一致性的條目主要是BMI和近3個月體質(zhì)量變化，剔除以上兩個條目后工具的Cronbach's α系數(shù)為0.607，達到良好的內(nèi)部一致性，可能的原因是部分老年人由于臥床、脊柱變形等導致身高和體質(zhì)量的測量存在困難或測量不準確，養(yǎng)老機構(gòu)未定期測量體質(zhì)量導致體質(zhì)量變化記錄不準確等影響了工具的穩(wěn)定性，考慮BMI和非計劃性的體質(zhì)量下降是老年人營養(yǎng)不良的重要危險因素，所以對以上2個條目仍予以保留，在今后的應用過程中，可以通過推廣智能測量和監(jiān)測設(shè)備、定期監(jiān)測體質(zhì)量等方式進一步提高工具的穩(wěn)定性。

3.4 結(jié)構(gòu)效度分析 一般認為量表的公因子能解釋40%以上的變異，同時每個條目在相應的因子上有足夠的負荷（≥0.400），表示有較好的結(jié)構(gòu)效度［18］。本研究探索性因子分析得到5個公因子，累積解釋變異量為69.9%，各條目載荷值>0.400，說明簡版老年人營養(yǎng)篩查工具的條目構(gòu)成合理，具有良好的結(jié)構(gòu)效度。

3.5 預測效度分析 預測效度代表能正確區(qū)分營養(yǎng)良好、有營養(yǎng)不良風險或營養(yǎng)不良的能力。靈敏度反映了工具正確識別存在有營養(yǎng)不良風險或營養(yǎng)不良老年人的能力，特異度反映了工具排除誤診病例的能力，約登指數(shù)綜合了靈敏度和特異度的作用，約登指數(shù)越接近1，說明量表的預測效能越好［17］，通常AUC>0.90表示預測價值較高，0.71～0.90表示預測價值為中等［30］。簡版老年人營養(yǎng)篩查工具在預測有營養(yǎng)不良風險和營養(yǎng)不良時有較高的靈敏度、特異度和約登指數(shù)，并獲得較高的AUC（>0.9），提示具有良好的預測價值。簡版老年人營養(yǎng)篩查工具與《老年人營養(yǎng)不良風險評估》工具對老年人營養(yǎng)狀況劃分的一致性（Kappa系數(shù)）為0.627，一般認為Kappa系數(shù)在0.6～0.8表示有高度的一致性［17］，提示本工具可以有效識別存在營養(yǎng)不良風險和營養(yǎng)不良的老年人。

4 本研究的價值與局限性

本研究在行業(yè)標準《老年人營養(yǎng)不良風險評估》（WS/T 552-2017）工具進行信效度驗證基礎(chǔ)上，刪除不適用于養(yǎng)老機構(gòu)老年人的條目，并通過構(gòu)建Logistic回歸模型和決策樹模型，選取最優(yōu)模型構(gòu)建了適用于養(yǎng)老機構(gòu)老年人的簡版老年人營養(yǎng)篩查工具，構(gòu)建過程科學、嚴謹。為養(yǎng)老機構(gòu)老年人的營養(yǎng)篩查提供了實用性工具，為我國養(yǎng)老機構(gòu)開展老年人群營養(yǎng)篩查與監(jiān)測工作奠定了基礎(chǔ)，為養(yǎng)老機構(gòu)存在營養(yǎng)不良或營養(yǎng)不良風險的老年人提供適宜的營養(yǎng)支持，改善其營養(yǎng)狀況，維持和促進健康和功能水平，實現(xiàn)“健康老齡化”提供了前提。雖然本研究在樣本抽樣中，已經(jīng)考慮到我國地域遼闊，各地在營養(yǎng)方面存在的差異性，盡量選擇東、中、西部典型地區(qū)不同類型養(yǎng)老機構(gòu)進行調(diào)查，并通過1 000例以上數(shù)據(jù)構(gòu)建預測模型，但與我國老年人群上億的基數(shù)相比仍存在不足，未來仍需要更大樣本老年人群應用數(shù)據(jù)，以評價該工具實際使用效果。此外，雖然簡版老年人營養(yǎng)篩查工具的信度方面有所提高，但在下一步研究中仍需要通過提高指標測量、記錄的準確性等手段，進一步優(yōu)化和驗證簡版老年人營養(yǎng)篩查工具。

作者貢獻：朱丹、謝紅負責文章構(gòu)思與設(shè)計、研究的實施和可行性分析；朱丹負責數(shù)據(jù)收集與整理、統(tǒng)計學處理、論文撰寫，并對文章整體負責，監(jiān)督管理；謝紅負責結(jié)果的分析與解釋、文章的質(zhì)量控制及審校。

本文無利益沖突。