2种营养不良风险筛查工具对儿科住院患儿营养不良风险预测作用的比较

冯蓓，梁亚红，贺婷婷，魏丹，谢小敏

（空军军医大学第二附属医院 儿科，陕西 西安710038）

据报道， 我国住院患儿营养不良发生率高达22.6%～52.5%[1-2]。营养不良的发生不仅会影响住院患儿生长发育，而且还有可能增加其感染率、并发症发生率和死亡率，延长其住院时间[3]。 住院早期对患儿进行营养不良风险筛查和评估， 早期发现高营养不良风险患儿并对其进行临床营养干预， 有助于改善其临床结局，使其获得最大收益。2005 年，欧洲儿科胃肠肝病营养学会就提出要对入院患儿常规进行营养不良风险筛查， 该组织也认为进行营养不良风险筛查有助于减少甚至避免医院内营养不良的发生和发展[4]。 近年来，开发住院患儿营养不良风险筛查工具较多，目前儿科常用的住院患儿营养不良风险筛查工具多达6 种[5-6]，其中营养状况和生长风险筛查 工 具 （Screening Tool for Risk of Nutrition in Growth Kids，STRONGkids） 和儿科营养不良评估筛查 工 具 （Screening Tool for the Assessment of Malnutrition in Pediatrics，STAMP） 在国内使用率最高，灵敏度和（或）特异度也普遍高于其他工具[7-9]。STRONGkid 评估操作简单，比较节省人力、物力资源，临床实施可行性较强[10]，国内学者杨玉霞的Meta分析研究得出其合并敏感度为80%[11]。 STAMP 将不同疾病因素均纳入营养不良风险因素， 虽然操作起来比较繁琐， 但对于不同疾病患儿的分类评估更为精准[12]，英国国家脊髓损伤中心的报道显示其灵敏度高达83.3%[13]。 目前，这2 种工具的研究对象主要集中于单类疾病住院患儿， 缺乏各类疾病住院患儿的综合性研究证据；STRONGkids 预测灵敏度分析均为Meta 分析或系统评价分析，缺少一次文献证据支撑； 目前也尚无研究在同一研究群体中针对性比较两者在应用中预测作用的差异， 造成国内住院患儿营养不良风险预测缺乏科学统一的工具， 给临床护理和护理科研工作都带来很多不便。 本研究以儿科住院患儿为研究对象， 比较STRONGkids 和STAMP 在住院患儿营养不良风险评估中的预测作用，拟探索适合住院患儿营养不良风险评估的工具，以期为医护人员早期评估营养不良工具的选择提供一定的参考和依据。

1 对象与方法

1.1 研究对象 采用便利抽样方法， 选取于2018年2 月—2019 年8 月在空军军医大学第二附属医院儿科住院治疗的患儿作为研究对象。 纳入标准：（1）年龄28 d 至14 岁；（2）住院时间＞24 h；（3）家长具有一定文化程度和沟通交流能力， 知情同意并自愿参与本研究； （4）家长知悉且能描述患儿进食情况。排除标准：近1 个月内接受过静脉或肠内营养支持。

1.2 研究工具

1.2.1 一般资料调查表 自行编制， 包括年龄、性别、体质量、身高（身长）、疾病类别。

1.2.2 儿科营养不良评估筛查工具 由McCarthy等[14]于2008 年编制，用于儿童营养不良风险的评估。 其Cronbach α 系数为0.817，预测效度为0.809。张慧文等[15]于2016 年汉化并用其评估住院患儿营养不良风险，Cronbach α 系数为0.825。 该工具的评估内容包括患儿疾病诊断、饮食摄入情况、生长发育情况3 个维度，其中（1）患儿疾病诊断评分：根据患儿疾病诊断判断其是否具有营养不良风险， 按不存在、 可能存在及肯定存在分别赋值0、2、3 分；（2）饮食摄入情况：根据患儿患病前后饮食摄入情况变化，按无明显变化、摄入减少一半及以上、无营养摄入分别赋值0、2、3 分；（3）生长发育情况：测量患儿入院时的身高（身长）和体质量，参考世界卫生组织推荐体格测量范围[16]，以Z 值评分法为标准，当Z≥-2～2时赋值0 分，当Z＞2～＜3 或Z＞-3～＜-2 时赋值2 分，当Z＞3 或Z＜-3 时赋值3 分。总分为0～9 分，得分越高说明营养不良风险越大；总分≥4 分时说明患儿存在高营养不良风险。 本研究中该工具的Cronbach α系数为0.829。

1.2.3 营养状况和生长风险筛查工具 由Hulst 等[17]于2010 年编制，用于评价儿童营养状况和筛查儿童生长风险，其Cronbach α 系数为0.832。 李冬娥等[18]于2012 年汉化并用于住院危重患儿的营养不良风险筛查，Cronbach α 系数为0.813。 该工具由主观评价、高风险疾病、营养摄入或丢失情况、体质量增长困难或减轻4 个维度构成，其中（1）主观评价：患儿存在消瘦脸形、皮下脂肪或肌肉减少则赋值1 分，反之赋值0 分；（2）高风险疾病：患儿存在高风险疾病则赋值2 分，反之赋值0 分；（3）营养摄入或丢失情况：患儿近几天存在过度腹泻症状、呕吐，饭量减少，因为疼痛无法进食则赋值1 分， 反之赋值0 分；（4）体质量增长困难或减轻： 患儿存在体质量增长过慢或减轻则赋值1 分，反之赋值0 分。 总分范围为0～5分，得分越高说明营养不良风险越大，当总分＞4 分时说明患儿存在高营养不良风险。 本研究中该工具的Cronbach α 系数为0.851。

1.3 评价标准 以WHO 制定的边缘性营养不良的判定标准作为存在营养不良风险的分界指标， 对2种筛查工具的预测作用进行评价。 边缘性营养不良判定标准为： （1）年龄别身高低于参考范围的第25百分位数则为边缘性生长迟缓；（2）年龄别体质量低于参考范围的第25 百分位则为边缘性低体质量；（3）身高别体质量低于参考范围的第25 百分位则为边缘性消瘦。 上述3 条判断标准符合其中任意1 项以即可评价为边缘性营养不良[16]。

1.4 资料收集方法 本研究采用现场评估、测量的方法， 由经过统一培训的2 名评估调查员于患儿入院时通过现场测量或电子信息病历系统采集一般资料，并对STAMP 和STRONGkids 中需要采集的内容进行评估和测量。本研究共调查330 例患儿，其中有效调查323 例，有效调查率为97.9%。

1.5 统计学方法 采用SPSS 21.0 分析数据， 计数资料采用频数、构成比描述；偏态分布的计量资料采用M（P25，P75）描述。 采用受试者工作特征（receiver operator characteristic, ROC）曲线确定最佳预测指标截断点，并采用ROC 曲线下面积（area under roc curve，AUC）、灵敏度、特异度、约登指数综合评价2 种工具的预测作用。 以P＜0.05 为差异有统计学意义。

2 结果

2.1 受试患儿一般资料及边缘性营养不良发生情况 323 例患儿，年龄2.56（0.65，6.12）岁；其中男165 例（51.1%），女158 例（48.9%）；体质量15.50（12.50，31.50）kg；身高（身长）95.50（78.00，132.50）cm；疾病类别：消化系统疾病98 例（30.3%），呼吸系统疾病82 例（25.4%），神经系统疾病43 例（13.3%），自身免疫性疾病21 例（6.5%），泌尿系统疾病16 例（5.0%），其他疾病例如血液系统疾病、中毒、遗传代谢疾病、不明诊断疾病共63 例（19.5%）。

2.2 受试患儿营养不良筛检情况 323 例患儿，104例（32.2%）符合边缘性营养不良判定标准，其中边缘性生长迟缓89 例（27.6%）， 边缘性低体质量76 例（23.5%），边缘性消瘦67 例（20.7%），合并边缘性生长迟缓和边缘性消瘦49 例（15.2%），合并边缘性生长迟缓和边缘性低体质量56 例（17.3%），合并边缘性低体质量和边缘性消瘦35 例（10.8%），合并边缘性生长迟缓、 边缘性低体质量和边缘性消瘦22 例（6.8%）。

2.3 2 种营养不良风险筛查工具对儿科住院患儿营养不良风险预测作用的比较

2.3.1 2 种营养不良风险筛查工具对儿科住院患儿营养不良风险预测作用AUC 值情况 STAMP 的AUC 值为0.909，该工具用于儿科住院患儿营养风险筛查具有统计学意义（P＜0.001）；STRONGkids 的AUC值为0.826，该工具用于儿科住院患儿营养风险筛查也具有统计学意义（P＜0.001），STAMP 的AUC 值高于STRONGkids，且差异具有统计学意义（P=0.012）。见表1。

2.3.2 2 种营养不良风险筛查工具对儿科住院患儿营养不良风险预测作用的预测界值选择、灵敏度、特异度及约登指数情况 根据ROC 曲线分析，当STAMP总分为3.5 分时，灵敏度为0.886，特异度为0.865，约登指数 （0.751） 最接近于1， 预测价值最大。 当STRONGkids 总分为3.5 分时，灵敏度为0.831，特异度为0.789，约登指数（0.620）最接近于1，预测价值最大。此时STAMP 的灵敏度、特异度和约登指数均大于STRONGkids。 见表1。

表1 2 种营养不良风险筛查工具对儿科住院患儿营养不良风险预测作用的ROC 曲线分析

3 讨论

3.1 本组受试患儿营养不良发生率处于中等水平 本研究结果显示，本组住院患儿营养不良的发生率为32.2%。 高于国内史雯嘉等[2]报道的22.65%，低于陈冯秀[1]等报道的52.5%，处于中等水平。 从受试患儿年龄上看，本组患儿中位年龄为2.56，而史雯嘉和陈冯秀组患儿的中位年龄为6.7 岁和2.25 岁，有研究证明，1～3 岁幼儿期儿童行为发育迅速，注意力容易被周围新奇的事物分散， 易养成不良的进食习惯， 此时不恰当的进食和喂养方式会导致其进食量下降，久之易导致营养不良的发生，这可能是导致本组患儿和陈冯秀组患儿营养不良发生率高于史雯嘉组的原因之一。从评判标准上看，本研究对于营养不良发生率的确定是按照WHO 制定的边缘性营养不良的判定标准从结果上进行诊断的， 而史雯嘉和陈冯秀则分别是利用STRONGkids、STAMP 工具进行预测， 这也可能是造成本研究结果与两者研究差异的原因。 另外，从本研究结果来看，STRONGkids 工具预测的灵敏度显著低于STAMP 工具，这也可以部分解释史雯嘉组患儿营养不良发生率低于陈冯秀组的原因。

3.2 2 种营养不良风险筛查工具对本组儿科住院患儿营养不良风险的预测作用比较

3.2.1 AUC 值的比较结果显示STAMP 对儿科住院患儿营养不良风险的预测作用高于STRONGkids本研究结果显示，STAMP 的AUC 值 （0.909） 高于STRONGkids（AUC=0.826），差异有统计学意义（P=0.012），即STAMP 的预测作用优于STRONGkids。有研究表明，AUC 值在0.700～0.900 时说明量表的预测价值处于中等水平，而当其≥0.900 时则说明该量表具有较高的预测价值[19-20]。 就此而言，儿科住院患儿营养不良风险的评估中，STAMP 的预测作用也要好于STRONGkid。

3.2.2 灵敏度、 特异度及约登指数比较结果显示STAMP 对儿科住院患儿营养不良风险的预测作用优于STRONGkids 本研究结果显示，2 种工具均预测界值均为3.5 分时， 营养不良发生风险预测作用最佳。 此时，STAMP 的灵敏度、特异度和约登指数（0.886，0.865，0.751） 均大于STRONGkids（0.831，0.789，0.620）。灵敏度是指实际发生营养不良的患儿中经量表评估存在营养不良发生风险的患儿所占的比例，反映了评估工具正确识别真实患儿的能力；特异度是指实际未发生营养不良的患儿中经评估工具评估没有营养不良发生风险的患儿所占的比例，反映了评估工具排除误诊病例的能力； 而约登指数则综合了灵敏度和特异度的作用， 具体计算方法为灵敏度和特异度之和减1，其取值范围在-1～1，约登指数越大，说明量表的预测效能越好[21]，从灵敏度、特异度和约登指数角度分析，STAMP 的预测效能也优于STRONGkids。

究其原因，STRONGkids 每个评估项目均为2个评分等级，而STAMP 每个评估项目均为3 个等级评分，评分标准更为细致。从评估内容上看，STRONGkids对体质量指标的评估仅通过体质量是否减少来判定，评估较为粗略，而STAMP 使用Z 值及生长曲线对该指标进行量化，科学性更强；此外，STAMP 中对于高风险疾病指标种类的划分比STRONGkids 更为精细。不能忽视的是，STRONGkids 比STAMP 增加1项主观评价， 即根据患儿皮下脂肪和脸型判断其营养状况， 该评估项目因评估者临床水平各异而存在较强的主观性，会对评估结果产生一定影响。故在本研究中，STAMP 预测作用优于STRONGkids。

4 结论及本研究的不足

综上所述， 在儿科住院患儿营养不良风险评估的应用中，当预测界值为3.5 分时，STRONGkids 和STAMP 均能取得最佳预测作用。 综合灵敏度、特异度和约登指数分析，STAMP 对儿科住院患儿营养不良风险的预测作用优于STRONGkids。 本研究的不足之处在于单中心研究、样本量较少，可能对研究结果造成一定影响，仅对患儿进行营养不良风险评佑，并未探讨对高营养不良风险患儿进行针对性营养干预之后是否能够改善其临床结局，有待今后进一步探讨。