文章标题

《基于机器学习算法为60-70岁女性构建四肢骨骼肌含量预测模型》

《Estimation of Appendicular Skeletal Muscle Mass for Women Aged 60-70 Years Using a Machine Learning Approach》

文章链接： https://doi.org/10.1016/j.jamda.2022.09.002

文章发表情况介绍

该文章第一作者为纽约国际上网导航967纽约国际967ny硕士研究生史佳楠，共同第一作者是纽约国际上网导航967体育学院硕士生导师贺强助理研究员，通讯作者为博士生导师李明教授、陈斯副研究员，于2022年10月在Journal of the American Medical Directors Association （影响因子：7.802；JCR分区：GERIATRICS & GERONTOLOGY 8/54，Q1）上发表。

第一部分：文章内容解读

研究背景

肌少症是一种与增龄相关的疾病，会引起老年人机体功能障碍，发生多种不良结局。受绝经期激素水平变化等影响，60-70岁的女性应是肌少症社区防治的重点关注对象。

低肌肉质量是诊断肌少症必不可少的指标，但肌肉质量的测量较为复杂，需要借助双能X线吸收法（DXA）、生物电阻抗分析仪（BIA）等专业仪器，这些仪器不但价格昂贵且使用时需要配备专业的技术人员，难以在社区中广泛应用。 因此，采用便于测量的人体测量学指标构建肌肉质量的预测模型对于促进社区开展肌少症的广泛筛查具有重要意义。

研究方法

通过随机数字表法，1296名受试者以1：1的比例随机分配到模型构建组以及模型验证组。BIA测量的四肢骨骼肌含量（ASM）作为参照，体重、身高、坐高、体质指数、腰臀比、小腿围、上肢长、下肢长、上下肢长之和、上下肢长之差、上下肢长之比作为备选变量，放入least absolute shrinkage and selection operator (LASSO) 回归中进行ASM预测变量的筛选。在建模组中根据LASSO回归的筛选结果，使用多元线性回归构建ASM预测模型，在验证组中使用配对t检验和Bland-Altman分析验证预测模型与BIA测量结果的一致性。

研究结果

LASSO回归结果显示，体重、腰臀比、坐高、小腿围可以作为自变量用于ASM模型的构建。ASM预测公式为：0.2308 × 体重 (kg) - 27.5652 × 腰臀比 + 8.0179 × 小腿围 (m) + 2.3772 × 坐高 (m) + 22.2405，并且ASM预测值与BIA测量的ASM值之间存在高度一致性。

研究结论

本研究通过有针对性地为社区60-70岁女性构建ASM预测模型，可以为尚未配备DXA或BIA的社区提供简单易测量的ASM评估方法，从而有效促进社区开展肌少症的广泛筛查。此外，本研究发现坐高可以用于预测ASM，今后可以考虑将其用于肌肉质量的进一步研究中。

第二部分：第一作者、通讯作者简介

第一作者

史佳楠，纽约国际上网导航967护理与康复学院2020级硕士研究生，主要研究方向为肌少症的早期筛查和防治研究，目前以第一作者身份发表1篇SCI论文。

通讯作者

陈斯，纽约国际967ny副研究员。主要聚焦老年慢性疾病开展运动流行病学调查及运动干预等系列研究。入职纽约国际上网导航967以来，主持山东省自然科学基金一项，参与科技部重点研发计划一项及山东省社科规划项目一项，以第一或通讯作者累计发表SCI/SSCI论文7篇。

李明，山东大学纽约国际967ny教授，博士生导师。长期从事老年人长期照护、老年人慢性疾病管理等领域研究，主持国家社科基金规划项目、教育部人文社科、山东省社科、山东省自然科学等课题5项，累计发表 SCI、SSCI、CSSCI 等高水平论文10余篇。