社區老年人肌少?骨質疏松癥風險預測模型的構建

Construction of a risk prediction model of osteosarcopenia in the elderly in communities

LIU Keru1， HE Yaoyu1， WANG Yuhuan1， TAO Jing2， WANG Ruoxian1， WEI Shanshan1， HE Bin2*

1.Shihezi University School of Medicine， Xinjiang 832002 China；2.The Third Affiliated Hospital of Shihezi University School of Medicine

*Corresponding Author" HE Bin， E?mail： 13999736881@163.com

Abstract" Objective：To investigate the influencing factors of high risk population of osteosarcopenia in communities，and to establish a risk prediction model.Methods：From March to July 2023，a total of 1 051 elderly people from 20 communities in Shihezi city were selected by stratified random sampling method and divided into high risk groups of osteosarcopenia and high risk groups of non?osteosarcopenia.Univariate analysis and LASSO regression were used to preliminarily screen variables，and then the predictive variables were determined by Logistic regression analysis.The Nomogram prediction model was constructed and verified by R4.3.1 software.Results：The incidence of osteosarcopenia in 1 051 elderly patients was 21.9%.Age，sex，body mass index，comorbidities，history of fracture，type of health insurance，consumption of strong tea，coffee or carbonated beverages，daily sedentary time，activity of the elderly，nutritional status，social frailty and depression were the influencing factors for community groups at high risk of osteosarcopenia.The risk prediction model had a good fit，and the area under the receiver operating characteristic curve was 0.956，indicating a good differentiation.The average absolute error between the actual value and the predicted value of the calibration curve was 0.014，which has good accuracy.The results of decision curve showed good clinical effectiveness.Conclusions：The risk prediction model of osteosarcopenia in elderly people in communities is scientific and practical，and it can be used for the screening of community osteosarcopenia high?risk population.

Keywords" communities； the elderly； osteosarcopenia； Nomogram； predictive model

摘要" 目的：探討社區肌少?骨質疏松癥高危人群的影響因素，并構建風險預測模型。方法：2023年3月—7月，采用分層隨機抽樣的方法，抽取石河子市20個社區1 051名老年人為研究對象，將其分為肌少?骨質疏松癥高危組和非肌少?骨質疏松癥高危組。采用單因素分析和LASSO回歸初步篩選變量，再經過Logistic回歸分析確定預測變量，使用R4.3.1軟件構建列線圖預測模型并進行驗證。結果：1 051名老年人肌少?骨質疏松癥檢出率為21.9%。年齡、性別、體質指數、合并癥、骨折史、醫保類型、是否飲用濃茶/咖啡或碳酸飲料、每日久坐時長、老年人活動情況、營養狀況、社會衰弱及抑郁是社區肌少?骨質疏松癥高危人群的影響因素。構建的風險預測模型擬合度良好，受試者工作特征曲線下面積為0.956，區分度良好；校準曲線實際值與預測值的平均絕對誤差為0.014，具有良好的準確度；決策曲線結果顯示臨床有效性良好。結論：社區老年人肌少?骨質疏松癥風險預測模型具有科學性與實用性，可用于社區肌少?骨質疏松癥高危人群的篩查。

關鍵詞" 社區；老年人；肌少?骨質疏松癥；列線圖；預測模型

doi：10.12102/j.issn.1009-6493.2024.24.002

肌少?骨質疏松癥（osteosarcopenia，OS）是指骨量減少或骨質疏松癥與肌少癥同時存在[1]，是一種以骨量低下、骨組織微結構退化、肌量減少、肌力下降以及肌肉功能障礙為特征的老年退行性疾病[2]。隨著社會老齡化程度加深，肌少?骨質疏松癥發病率也呈逐年上升趨勢[3]。肌少?骨質疏松癥會增加跌倒和骨折的發生率，也會造成住院時間的延長和過早死亡，在影響老年人健康的同時也給家庭和社會帶來沉重負擔[4]。早期發現肌少?骨質疏松癥的風險因素，及時進行有針對性的護理干預，有利于促進社區老年人肌肉骨骼健康，保障生活質量。目前我國對于肌少?骨質疏松癥的研究多集中于發病機制[5]，尚未檢索到社區老年人肌少?骨質疏松癥風險預測模型的研究報道。因此，本研究將基于社區篩查結果，調查社區肌少?骨質疏松癥高危人群的影響因素，構建列線圖預測模型并進行驗證，為社區衛生工作者識別社區肌少?骨質疏松癥高危人群并開展有效防治工作提供科學依據。

1" 對象與方法

1.1 對象

2023年3月—7月，采用分層隨機抽樣的方法，根據新疆維吾爾自治區2022年城鎮居民人均可支配收入38 410元[6]，將石河子市社區劃分為高收入（月收入gt;3 000元/人）、中等及以下（月收入≤3 000元/人）兩層，采用隨機數字表法選取城區20個社區滿足納入與排除標準的老年人為研究對象進行橫斷面調查。研究對象納入標準：1）年齡≥60歲；2）在本社區居住時間不少于6個月；3）對本研究知情同意且自愿配合調查者。排除標準：1）有嚴重的聽力、視力及語言障礙；2）患有嚴重的精神疾病不能配合調查者。根據現況調查樣本量估算公式[7]：N=tα2PQ/d2，檢驗水準α取0.05，統計量tα=1.96，P=0.21（根據肌少?骨質疏松癥患病率Meta分析結果[3]，肌少?骨質疏松癥全球患病率約為21%），Q=1-P，允許誤差d=0.15P，經計算，本研究所需樣本量為659，考慮10%的樣本流失率，最終確定樣本量為724。本研究最終納入1 051名社區老年人。本研究經石河子大學醫學院第三附屬醫院倫理委員會批準（倫理編號：KJX2022?052?02）。

1.2 調查工具

1.2.1 一般人口學資料調查表

由研究者自行編制，包括研究對象的性別、年齡、民族、身高、體重、體質指數（BMI）、握力、文化程度、月收入、居住情況、醫療保險類型、慢性病患病情況等。

1.2.2 社區老年人肌少?骨質疏松癥的評定方法

社區老年人同時滿足肌少癥及骨質疏松癥的測量標準。1）肌少癥：根據亞洲肌少癥工作組（Asia Working Group for Sarcopenia，AWGS）[8]2019年的診斷標準，推薦在社區等基層醫療衛生機構使用改良版老年肌少癥篩查問卷（SARC?Cal F）[9]以及握力測量進行肌少癥篩查，SARC?Cal F問卷得分≥11分并伴有握力測試陽性（男性lt;28 kg、女性lt;18 kg）可診斷為“可能肌少癥”。2）骨質疏松癥：《肌少?骨質疏松癥專家共識》[10]提出，腰椎或股骨任何一個部位骨密度T值≤-2.5或發生過脆性骨折可診斷為骨質疏松癥；對于未接受過骨密度檢測的社區老年人，建議使用骨質疏松風險1 min測試題（IOF 1 min）[11]和亞洲人骨質疏松自我篩查工具（OSTA）[12]作為骨質疏松癥風險評估的初篩工具，IOF 1 min測試陽性合并OSTA指數lt;-1可診斷為骨質疏松癥高危人群。

1.2.3 年齡校正Charlson合并癥指數（age?adjusted Charlson Comorbidity Index，aCCI）

Charlson等[13]考慮到年齡對共病的影響，于1994年將原有的查爾森共病指數（Charlson Comorbidity Index，CCI）進行改良，形成aCCI。該量表為量化多種合并癥信息、加權年齡評分后的綜合指標，使用簡便，是目前使用最廣泛的共病指數量表。

1.2.4 微型營養評價法（Mini Nutritional Assessment，MNA）

MNA調查內容包括人體測量、整體評定、膳食問卷和主觀評定4個方面，共18個測量項目，總分30分，MNA≥24分為營養狀態良好，lt;24分為營養狀態不良，該量表的Cronbach's α系數為0.906[14]。本研究中該量表的Cronbach's α系數為0.806。

1.2.5 老年人體力活動量表（Physical Activity Scale for the Elderly，PASE）

PASE于1993年由Washburn等[15]編制，將社區老年人的體力活動分為休閑性體力活動、家務活動以及職業性體力活動3類，由26個具體問題構成，除坐式活動不計入總分外，其余活動按各自加權和活動量計分：每周活動天數×每天活動時間÷7×該項活動加權，各項活動得分相加得量表總分（0～400分），得分越高說明體力活動強度越大。本研究中該量表的重測信度為0.83。

1.2.6 社會衰弱篩查工具（Help，Participation，Loneliness，Financial，Talk Scale，HALFT）

HALFT是一個簡單自我報告式的老年人社會衰弱篩查工具，包括5個條目，回答“是”計0分，“否”計1分，總分為 0～5分，0分為非社會衰弱，1～2分為社會衰弱前期，≥3分表示社會衰弱，該量表的Cronbach's α系數為0.725[16]。本研究中該量表的Cronbach's α系數為0.88。

1.2.7 簡版老年抑郁量表（Geriatric Depression Scale，GDS?15）

GDS?15量表共15個條目，總分0～15分，≤4分為正常，≥5分為有抑郁情緒，該量表的Cronbach's α系數為0.79[17]。本研究中該量表的Cronbach's α系數為0.80。

1.3 調查方法與質量控制

采用現場問卷調查與身體測量相結合的方法。調查在社區衛生服務管理人員協助及組織下，由培訓合格的調查員對符合納入標準的老年人進行一對一面對面調查。采用嘉樂牌紅外線身高測量儀和電子體重計（K1?D）測量研究對象的身高和體重，數值精確到0.1 cm和0.1 kg，并計算BMI；小腿圍測量由調查員使用無彈性卷尺沿髕骨下緣12 cm腓腸肌位置測量周徑，連續測量2次，取平均值；握力測量采用電子握力計（型號：EH101），測試時，受試者取站立位，兩腳并立，雙臂伸直自然下垂，利用優勢手握住儀器把柄，反復測量3次，每次測量間隔25 s，取最大值作為統計分析指標，數值精確到0.1 kg。每次調查結束后隨機抽查5%的問卷進行復核，發現不符或缺失進行追訪補齊。本研究共發放問卷1 080份，剔除不合格問卷后，最終獲得有效樣本1 051例，有效回收率為97.3%。

1.4 統計學方法

采用SPSS 26.0和R4.3.1軟件中的pROC、rms、rmda等程序包進行統計分析。定量資料經Shapiro?Wilk檢驗均不符合正態分布，采用中位數（四分位數）[M（P25，P75）]表示，組間比較采用Wilcoxon秩和檢驗。定性資料以人數、構成比（%）表示，組間比較采用χ2檢驗，由于本研究納入影響因素較多，為避免出現共線性及模型的過度擬合，首先采用LASSO回歸對社區老年人肌少?骨質疏松癥的影響因素進行初步篩選，再通過Logistic回歸對影響因素進行分析。使用受試者工作特征曲線（ROC）下面積（AUC）、Calibration校準曲線、Hosmer?Lemeshow檢驗評估模型性能，采用決策曲線（DCA）評估模型的臨床凈收益[18]。檢驗水準α=0.05。

2" 結果

2.1 社區老年人肌少?骨質疏松癥檢出率

1 051名老年人中，肌少?骨質疏松癥檢出率為21.9%（230人）。根據篩查結果將社區老年人分為非肌少?骨質疏松癥高危組和肌少?骨質疏松癥高危組。單因素分析結果見表1。

2.2 社區老年人發生肌少?骨質疏松癥的多因素分析

LASSO回歸結果顯示，納入模型的全部變量隨著最優參數λ的變化被逐漸壓縮，將十折交叉驗證法中最小值的1SE（λ=0.010）作為最優值，最終篩選出12個非零系數的預測變量，包括年齡、性別、BMI、aCCI、骨折史、醫保類型、飲用濃茶/咖啡或碳酸飲料、每日久坐時長、PASE得分、營養狀況、社會衰弱及抑郁。以是否為肌少?骨質疏松癥高危人群作為因變量（否=0，是=1），將LASSO回歸篩選出的12個預測變量作為自變量，自變量賦值如下：性別，男=1，女=2；骨折史，無=0，有=1；每日久坐時長≤4 h=0，gt;4 h=1；飲用濃茶/咖啡或碳酸飲料，否=0，是=1；營養狀況，營養狀態良好=1，營養狀態不良=2；社會衰弱，非社會衰弱=1，社會衰弱前期=2，社會衰弱=3；抑郁，正常=0，有抑郁癥狀=1；醫保類型，無=0，職工醫保=1，居民醫保=2，商業保險=3，新農合=4；年齡、BMI、aCCI、PASE得分以原值帶入。經共線性檢驗，各因素容忍度（TOL）均gt;0.1，方差膨脹因子（VIF）均lt;3，表明各因素之間不存在共線性。結果顯示，年齡、性別、BMI、aCCI、骨折史、醫保類型、是否飲用濃茶/咖啡或碳酸飲料、每日久坐時長、PASE得分、營養狀況、社會衰弱及抑郁是社區老年人肌少?骨質疏松癥的影響因素（Plt;0.05），見表2。

2.3 社區老年人肌少?骨質疏松癥患病風險列線圖模型的構建和驗證

通過R軟件rms程序包基于多因素回歸分析確定的12個預測變量建立并繪制社區老年人肌少?骨質疏松癥患病風險列線圖，見圖1。模型的AUC為0.956（0.943，0.968），見圖2；Hosmer?Lemeshow檢驗結果顯示Pgt;0.05，使用rms程序包繪制Calibration校準曲線，校準曲線實際值與預測值間的平均絕對誤差為0.014，理想曲線和校正曲線基本吻合，見圖3；使用rmda包繪制DCA曲線，結果顯示，模型曲線遠離兩條極端無效線，表明臨床有效性良好，具有一定的應用價值，見圖4。

3" 討論

3.1 社區老年人發生肌少?骨質疏松癥的影響因素

3.1.1 個體生理因素

本研究結果顯示，年齡、性別和合并癥是社區老年人肌少?骨質疏松癥發生風險的影響因素。有研究顯示，隨著年齡增長，人體內的骨丟失和肌肉流失逐年加重，且肌肉與骨骼之間相互影響，導致肌肉骨骼系統進行性退化[19]，促進疾病發生發展，國內Wang等[20]的研究也證實這一觀點。同時，年齡增長也會造成慢性低度炎癥的發生，并引發多種慢性疾病，某些炎癥因子（如白細胞介素?6、腫瘤壞死因子?α）的分泌引起肌力下降，同時也影響骨骼形態[21]。此外，本研究發現，女性肌少?骨質疏松癥發生風險是男性的2.249倍。研究顯示，女性絕經后，雌激素分泌不足加快骨質流失，雌激素缺乏也影響蛋白質合成，造成肌量下降[22]。因此，社區護士應關注高齡、女性、多種慢性病人群的肌肉骨骼健康情況，及時采取干預措施，預防疾病發生發展。

3.1.2 飲食習慣

本研究發現，營養狀況、BMI、濃茶/咖啡或碳酸飲料的攝入是肌少?骨質疏松癥發生風險的重要因素。研究表明，受到代謝功能下降、口腔健康狀況不佳等因素的影響，老年人對于蛋白質等營養物質的攝入不足，肌肉合成減少，一定程度上增加了營養不良的發生風險[23]。同時，肌肉也是人體組織的重要組成部分，與BMI較高人群相比，BMI較低人群肌少?骨質疏松癥患病風險更高，Okamura等[24]的研究已經證明這一觀點。飲用咖啡和濃茶可能會影響腸道對鈣劑的吸收，含糖飲料會加速細胞老化，影響肌力[25]。因此，社區應定期邀請醫院專科醫生開展講座，指導老年人科學飲食。

3.1.3 運動情況

本研究發現，久坐不動人群肌少?骨質疏松癥發生風險是非久坐不動人群的1.960倍。老年人受到慢性病等因素的影響，活動意愿減弱，久坐時間變長，肌肉骨骼系統由于缺乏外界機械性刺激導致結構和功能的進一步退化，增加患病風險[26]。因此，社區護士應鼓勵老年人進行多元化身體活動，使其認識到運動對骨骼肌的積極作用；對于患有慢性病的老年人，可建議其與家庭簽約醫生共同制定個性化運動方案，保障肌肉骨骼健康。

3.1.4 骨折史

本研究發現，既往有骨折的老年人肌少?骨質疏松癥發生風險是無骨折人群的3.310倍。可能的原因是骨折人群骨質疏松的程度更加嚴重，且在骨折后由于長期制動，活動量下降，肌肉可能發生萎縮，進一步損害肌肉骨骼健康[27]。因此，對于此類人群，社區護士應監督其持續服用抗骨質疏松藥物，并指導其在制動過程中進行安全有效的運動鍛煉，防止跌倒發生，促進其身體活動功能的恢復。

3.1.5 抑郁

本研究發現，有抑郁情緒的老年人發生肌少?骨質疏松癥的風險是無抑郁情緒的1.666倍。已有研究表明，老年人久坐不動的生活方式、機體炎癥狀態、性激素水平下降等都會導致抑郁情緒[28]，說明抑郁的風險因子與肌少?骨質疏松癥有一定的相關性，同時，抑郁也會影響老年人食欲，導致體重減輕，增加疾病發生風險。因此，社區護士在關注老年人生理健康的同時，也應及時關注其心理健康狀況，對于異常人群及時給予心理疏導，促進整體健康。

3.1.6 社會衰弱

本研究發現，處于社會衰弱前期和社會衰弱期的老年人肌少?骨質疏松癥發生風險分別是非社會衰弱者的2.618倍和5.931倍。社會衰弱是指個體長時間處于缺乏一種或多種滿足基本社會需求的重要資源，造成社會行為、社會活動以及自我管理能力缺乏的狀態，社會衰弱除了損害老年人的身心健康，也增加殘疾、死亡等不良結果的發生風險[29]。既往研究表明，社會衰弱可能會導致肌無力，同時，社會衰弱人群也可能因不愿社交而減少外出，對活動功能產生負面影響[30]。因此，社區護士應做好社會衰弱的早期篩查工作，幫助老年人建立良好的社交狀態，減少或延緩社會衰弱的發生。

3.1.7 醫保政策

本研究發現，居民醫保和職工醫保是社區老年人肌少?骨質疏松癥發生風險的保護因素，這可能是因為非職工/居民醫保人群的醫療費用報銷比例較低，可能會影響其尋求醫療保健的行為，即使已經產生不適癥狀，也不會主動就醫，造成疾病進一步惡化[31]。因此，社區護士應重點關注非職工/居民醫保老年人的肌肉骨骼健康狀況，告知其及時就醫的重要性，同時做好與上級醫院的“雙向轉診”工作。

3.2 社區老年人肌少?骨質疏松癥風險預測模型具有科學性與實用性

本研究通過LASSO回歸和多因素Logistic回歸篩選出12個變量構建社區老年人肌少?骨質疏松癥風險預測模型，經H?L檢驗顯示模型擬合度較好，使用ROC曲線評估模型區分度，AUCgt;0.7說明模型可接受[32]，本研究中AUC為0.956，提示模型區分度良好，校準曲線中預測值與實際值無明顯差異，模型校準度良好。說明本次研究構建的預測模型有助于社區護士根據各預測因素的不同狀態分析社區老年人肌少?骨質疏松癥發生風險，實施有針對性的干預措施，預防肌少?骨質疏松癥的發生發展，提高老年人生活質量。

4" 小結

本研究基于年齡、性別、BMI、aCCI、骨折史、飲用濃茶/咖啡或碳酸飲料、久坐時長、老年人活動情況、營養狀況、社會衰弱、抑郁和醫保類型等12個預測因子構建社區老年人肌少?骨質疏松癥風險預測模型，經驗證，該模型預測能力較好，具有一定的實用性。但本研究僅調查了石河子市區的老年人，樣本代表性有限，今后可開展大樣本、多中心的研究進一步驗證該模型的預測能力。

參考文獻：

[1]" HIRSCHFELD H P，KINSELLA R，DUQUE G.Osteosarcopenia： where bone，muscle，and fat collide[J].Osteoporosis International，2017，28（10）：2781-2790.

[2]" 黎曉偉，鄧程遠，周桂娟，等.肌少-骨質疏松癥： 骨骼與肌肉的相互作用[J].中國組織工程研究，2022，26（11）：1752-1757.

LI X W，DENG C Y，ZHOU G J，et al.Osteosarcopenia：muscle-bone interactions[J].Chinese Journal of Tissue Engineering Research，2022，26（11）：1752-1757.

[3]" HUANG T J，LI C，CHEN F X，et al.Prevalence and risk factors of osteosarcopenia：a systematic review and meta-analysis[J].BMC Geriatrics，2023，23（1）：369.

[4]" INOUE T，MAEDA K，NAGANO A，et al.Related factors and clinical outcomes of osteosarcopenia：a narrative review[J].Nutrients，2021，13（2）：291.

[5]" 劉晏東，鄧強，彭冉東，等.代謝組學對肌骨衰減疾病的研究進展[J].中國骨質疏松雜志，2023，29（10）：1513-1518；1560.

LIU Y D，DENG Q，PENG R D，et al.Progress in metabolomics-based on the musculoskeletal attenuation diseases[J].Chinese Journal of Osteoporosis，2023，29（10）：1513-1518；1560.

[6]" 新疆生產建設兵團統計局.新疆生產建設兵團統計年鑒[M].北京：中國統計出版社，2022：1.

The Xinjiang Production and Construction Corps Statistics Bureau.Statistical yearbook of Xinjiang Production and Construction Corps[M].Beijing：China Statistics Press，2022：1.

[7]" 方積乾.衛生統計學[M].7版.北京：人民衛生出版社，2012：1.

FANG J Q.Health statistics[M].7th ed.Beijing：People's Medical Publishing House，2012：1.

[8]" CHEN L K，WOO J，ASSANTACHAI P，et al.Asian working group for sarcopenia： 2019 consensus update on sarcopenia diagnosis and treatment[J].Journal of the American Medical Directors Association，2020，21（3）：300-307.

[9]" BARBOSA-SILVA T G，MENEZES A M，BIELEMANN R M，et al.Enhancing SARC-F：improving sarcopenia screening in the clinical practice[J].Journal of the American Medical Directors Association，2016，17（12）：1136-1141.

[10]" 黃宏興，史曉林，李盛華，等.肌少-骨質疏松癥專家共識[J].中國骨質疏松雜志，2022，28（11）：1561-1570.

HUANG H X，SHI X L，LI S H，et al.Sarcopenia-osteoporosis expert consensus[J].Chinese Journal of Osteoporosis，2022，28（11）：1561-1570.

[11]nbsp; 林玲，尹仕偉，蔡波，等.國內外骨質疏松癥社區篩查工具述評[J].社區醫學雜志，2021，19（7）：458-462.

LIN L，YIN S W，CAI B，et al.Review of screening tools on osteoporosis in community at home and abroad[J].Journal of Community Medicine，2021，19（7）：458-462.

[12]" KOH L K，SEDRINE W B，TORRALBA T P，et al.A simple tool to identify Asian women at increased risk of osteoporosis[J].Osteoporosis International，2001，12（8）：699-705.

[13]" CHARLSON M，SZATROWSKI T P，PETERSON J，et al.Validation of a Combined Comorbidity Index[J].Journal of Clinical Epidemiology，1994，47（11）：1245-1251.

[14]" GUIGOZ Y，VELLAS B，GARRY P J.Assessing the nutritional status of the elderly：the Mini Nutritional Assessment as part of the geriatric evaluation[J].Nutrition Reviews，1996，54（1）：S59-S65.

[15]" WASHBURN R A，SMITH K W，JETTE A M，et al.The Physical Activity Scale for the Elderly（PASE）：development and evaluation[J].Journal of Clinical Epidemiology，1993，46（2）： 153-162.

[16]" MA L，SUN F，TANG Z.Social frailty is associated with physical functioning，cognition，and depression，and predicts mortality[J].The Journal of Nutrition，Health amp; Aging，2018，22（8）：989-995.

[17]" SHEIKH J，YESAVAGE J.Geriatric Depression Scale（GDS）： recent evidence and development of a shorter version[J].Clinical Gerontologist，1986，5：165-173.

[18]" 周支瑞，李博，張天嵩.臨床預測模型構建方法學[M].長沙：中南大學出版社，2021：1.

ZHOU Z R，LI B，ZHANG T S.Methodology of clinical prediction model construction[M].Changsha：Central South University Press，2021：1.

[19]" SALECH F，MARQUEZ C，LERA L，et al.Osteosarcopenia predicts falls，fractures，and mortality in Chilean community-dwelling older adults[J].Journal of the American Medical Directors Association，2021，22（4）：853-858.

[20]" WANG Y J，WANG Y，ZHAN J K，et al.Sarco-osteoporosis： prevalence and association with frailty in Chinese community-dwelling older adults[J].International Journal of Endocrinology，2015，2015：482940.

[21]" 楊楚華.老年住院患者血清炎癥細胞因子水平與活動障礙綜合征的相關性研究[D].南昌：南昌大學醫學部，2023.

YANG C H.The study focuses on investigating the correlation between seruminflammatory factors and sarco-osteopenia in elderly inpatients[D].Nanchang：Medical Science Center of Nanchang University，2023.

[22]" LIN Y H，SHIH Y T，TENG M M H.The impact of the \"osteo\" component of osteosarcopenia on fragility fractures in post-menopausal women[J].International Journal of Molecular Sciences，2021，22（10）：5256.

[23]" KAIPAINEN T，HARTIKAINEN S，TIIHONEN M，et al.Effect of individually tailored nutritional counselling on protein and energy intake among older people receiving home care at risk of or having malnutrition：a non-randomised intervention study[J].BMC Geriatrics，2022，22（1）：391.

[24]" OKAMURA H，ISHIKAWA K，KUDO Y，et al.Risk factors predicting osteosarcopenia in postmenopausal women with osteoporosis： a retrospective study[J].PLoS One，2020，15（8）： e0237454.

[25]" 中國營養學會骨營養與健康分會，中華醫學會骨質疏松和骨礦鹽疾病分會.原發性骨質疏松癥患者的營養和運動管理專家共識[J].中華骨質疏松和骨礦鹽疾病雜志，2020，13（5）：396-410.

Bone Nutrition and Health Branch of Chinese Nutrition Society，Osteoporosis and Bone Mineral Salt Disease Branch， Chinese Medical Association.Expert consensus on the nutrition and exercise management for patients with primary osteoporosis[J].Chinese Journal of Osteoporosis and Bone Mineral Research，2020，13（5）：396-410.

[26]" GROTE C，REINHARDT D，ZHANG M C，et al.Regulatory mechanisms and clinical manifestations of musculoskeletal aging[J].Journal of Orthopaedic Research，2019，37（7）：1475-1488.

[27]" SURIYAARACHCHI P，GOMEZ F，CURCIO C L，et al.High parathyroid hormone levels are associated with osteosarcopenia in older individuals with a history of falling[J].Maturitas，2018，113： 21-25.

[28]" PARK K S，LEE G Y，SEO Y M，et al.Disability，frailty and Depression in the community-dwelling older adults with Osteosarcopenia[J].BMC Geriatrics，2021，21（1）：69.

[29]" 黃錚，邵庭芳，梁冉，等.老年人社會衰弱的概念分析[J].中華護理教育，2023，20（6）：752-756.

HUANG Z，SHAO T F，LIANG R，et al.Social frailty in elderly：a conceptual analysis[J].Chinese Journal of Nursing Education，2023，20（6）：752-756.

[30]" INOUE T，MAEDA K，SATAKE S，et al.Osteosarcopenia，the co-existence of osteoporosis and sarcopenia，is associated with social frailty in older adults[J].Aging Clinical and Experimental Research，2022，34（3）：535-543.

[31]" 田懷谷，劉曉彩，汪文新，等.差異化醫保報銷政策對患者就醫行為引導作用研究[J].中國醫院，2022，26（6）：10-12.

TIAN H G，LIU X C，WANG W X，et al.Research on the guiding effect of differentiated reimbursement policy on patients' medical behavior[J].Chinese Hospitals，2022，26（6）：10-12.

[32]" 謝遠喜，邱潔凈，唐雯楨，等.肝癌病人肝切除術后難治性胸腔積液風險預測模型的構建[J].護理研究，2024，38（1）： 130-134.

XIE Y X，QIU J J，TANG W Z，et al.Establishment of risk prediction model for intractable pleural effusion in patients with hepatocellular carcinoma after hepatectomy[J].Chinese Nursing Research，2024，38（1）：130-134.

（收稿日期：2024-01-19；修回日期：2024-12-05）

（本文編輯 蘇琳）