住院老年慢性病共病患者营养不良的影响因素及预测模型构建

徐曼玉, 罗莹, 李道鸿, 许志英

实用临床医药杂志 ›› 2024, Vol. 28 ›› Issue (17) : 73 -78.

PDF
实用临床医药杂志 ›› 2024, Vol. 28 ›› Issue (17) : 73 -78.

住院老年慢性病共病患者营养不良的影响因素及预测模型构建

作者信息 +

Author information +
文章历史 +
PDF

摘要

目的 探讨住院老年慢性病共病患者营养不良的影响因素及预测模型构建。方法 采用便利抽样法选取2023年1月—2024年2月在苏州大学附属苏州九院老年医学科住院的老年慢性病共病患者426例为研究对象。以微型营养评定简表(MNA-SF)评分<8分且白蛋白<34.0 g/L或前白蛋白<200 mg/L为营养不良依据,将患者分为营养不良组和无营养不良组。比较2组一般资料、口腔状况[采用口腔健康评估量表(OHAT)评估]、膳食炎症指数(DII,采用食物频率问卷表评估)、日常活动能力[采用Barthel指数(BI)评估]。采用多因素Logistic回归分析对老年慢性病共病患者营养不良的影响因素进行探讨,并构建模型公式。采用R软件运行梯度提升机(GBM)算法构建GBM预测模型。采用受试者工作特征(ROC)曲线分析2个模型的预测效能,采用Delong检验比较2个模型的曲线下面积(AUC)的差异。结果 92例被诊断为营养不良(营养不良组),334例患者无营养不良(无营养不良组)。营养不良组与无营养不良组年龄、慢性病共病种类、多重用药种类、OHAT评分、DII、BI评分比较,差异有统计学意义(P<0.05)。年龄大、慢性病共病种类多、多重用药种类多、OHAT评分高、DII高、BI评分低均是老年慢性病共病患者营养不良的影响因素(P<0.05)。ROC曲线显示,GBM模型的AUC为0.901, Logistic回归模型的AUC为0.874。Delong检验提示,GBM模型的预测效能优于Logistic回归模型(P<0.05)。结论 住院老年慢性病共病患者营养不良与年龄、慢性病共病种类、多重用药种类、OHAT评分、DII、BI评分有关,以此构建GBM模型可有效评估患者营养不良的发生风险。

关键词

老年 / 慢性病共病 / 营养不良 / Barthel指数 / 口腔健康评估量表 / 影响因素 / 预测模型

Key words

引用本文

引用格式 ▾
徐曼玉, 罗莹, 李道鸿, 许志英 住院老年慢性病共病患者营养不良的影响因素及预测模型构建[J]. 实用临床医药杂志, 2024, 28(17): 73-78 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

9

访问

0

被引

详细

导航
相关文章

AI思维导图

/