绝经后女性肌肉减少症预测模型:中国健康与养老全国追踪调查数据库信息分析

被引:1
作者
李广政 [1 ]
李威 [1 ]
张博淳 [1 ]
丁浩秦 [1 ]
周忠起 [2 ]
李刚 [3 ]
梁学振 [1 ,3 ]
机构
[1] 山东中医药大学第一临床医学院
[2] 山东中医药大学中医学院
[3] 山东中医药大学附属医院显微骨科
关键词
肌肉减少症; 绝经后女性; CHARLS; 预测模型; 列线图; 工程化组织构建;
D O I
暂无
中图分类号
R711.75 [卵巢疾病]; R685 [肌肉疾病及损伤]; TP311.13 [];
学科分类号
100211 [妇产科学]; 100220 [骨科学];
摘要
背景:肌肉减少症是一种与年龄相关的全身性骨骼肌疾病,与跌倒、功能衰退、虚弱和死亡等多种不良结局有关,而绝经后女性是肌肉减少症的高危人群之一。目的:旨在为中国绝经后女性开发一个基于高质量数据库评估肌肉减少症风险的预测模型。方法:研究数据源自中国健康与养老追踪调查(CHARLS)数据库中的2 370名绝经后女性,使用2019年亚洲肌肉减少症工作组(AWGS2019)推荐指标评估肌肉减少症。研究队列随机分为训练集(70%)和验证集(30%)。使用LASSO、十折交叉验证、逻辑回归筛选绝经后女性肌肉减少症的危险因素。基于危险因素构建预测绝经后女性肌肉减少症风险的列线图,通过受试者工作特征曲线及曲线下面积(AUC)、校准曲线和决策曲线分析来评价模型效能。结果与结论:2 370名绝经后女性中肌肉减少症患病率为23.50%,年龄、居住地、睡眠质量、认知功能、抑郁、慢性疾病数量被选为绝经后女性肌肉减少症的预测因素。列线图模型在训练集和验证集中表现出较好的区分度,在训练集的AUC值为0.751(95%CI=0.724-0.778,P<0.001),特异性为72.2%,敏感性为63.2%;在验证集的AUC值为0.763(95%CI=0.721-0.805,P<0.001),特异性为69.6%,敏感性为70.8%。校准曲线显示列线图模型与实际观测值之间具有较为显著的一致性,决策曲线分析显示了广泛且良好的临床实用性。结果表明,基于年龄、居住地、睡眠质量、认知功能、抑郁、慢性疾病数量构建的预测绝经后女性肌肉减少症风险列线图模型,有助于中国绝经后女性识别并规避肌肉减少症的风险因素,减少绝经后女性肌肉减少症的患病率。
引用
收藏
页码:849 / 857
页数:9
相关论文
共 69 条
[1]
始于围绝经期的更年期和老年期妇女健康保健策略 [J].
陶敏芳 .
上海医学, 2021, 44 (06) :388-390
[2]
城乡老年人口健康差异研究 [J].
李建新 ;
李春华 .
人口学刊, 2014, 36 (05) :37-47
[3]
Risk factors for major adverse cardiovascular events in postmenopausal women: UK Biobank prospective cohort study [J].
Bertomeu-Gonzalez, Vicente ;
Cordero, Alberto ;
Ruiz-Nodar, Juan Miguel ;
Sanchez-Ferrer, Francisco ;
Lopez-Pineda, Adriana ;
Quesada, Jose Antonio .
ATHEROSCLEROSIS, 2023, 386
[4]
Postmenopausal osteoporosis coexisting with sarcopenia: the role and mechanisms of estrogen [J].
Lu, Lingyun ;
Tian, Li .
JOURNAL OF ENDOCRINOLOGY, 2023, 259 (01)
[5]
Early menopause and premature ovarian insufficiency may increase the risk of sarcopenia: A systematic review and meta-analysis [J].
Divaris, Efstathios ;
Anagnostis, Panagiotis ;
Gkekas, Nifon K. ;
Kouidi, Evangelia ;
Goulis, Dimitrios G. .
MATURITAS, 2023, 175
[6]
Sarcopenia and Cardiovascular Diseases [J].
Damluji, Abdulla A. ;
Alfaraidhy, Maha ;
AlHajri, Noora ;
Rohant, Namit N. ;
Kumar, Manish ;
Al Malouf, Christina ;
Bahrainy, Samira ;
Kwak, Min Ji ;
Batchelor, Wayne B. ;
Forman, Daniel E. ;
Rich, Michael W. ;
Kirkpatrick, James ;
Krishnaswami, Ashok ;
Alexander, Karen P. ;
Gerstenblith, Gary ;
Cawthon, Peggy ;
deFilippi, Christopher R. ;
Goyal, Parag .
CIRCULATION, 2023, 147 (20) :1534-1553
[7]
Sarcopenia and health-related quality of life: A systematic review and meta-analysis [J].
Beaudart, Charlotte ;
Demonceau, Celine ;
Reginster, Jean-Yves ;
Locquet, Medea ;
Cesari, Matteo ;
Cruz Jentoft, Alfonso J. ;
Bruyere, Olivier .
JOURNAL OF CACHEXIA SARCOPENIA AND MUSCLE, 2023, 14 (03) :1228-1243
[8]
Life-course inequalities in intrinsic capacity and healthy ageing, Chinal [J].
Si, Yafei ;
Hanewald, Katja ;
Chen, Shu ;
Li, Bingqin ;
Bateman, Hazel ;
Beard, John R. .
BULLETIN OF THE WORLD HEALTH ORGANIZATION, 2023, 101 (05) :307-+
[9]
Development and validation of a risk prediction model for frailty in patients with diabetes [J].
Bu, Fan ;
Deng, Xiao-Hui ;
Zhan, Na-Ni ;
Cheng, Hongtao ;
Wang, Zi-Lin ;
Tang, Li ;
Zhao, Yu ;
Lyu, Qi-Yuan .
BMC GERIATRICS, 2023, 23 (01)
[10]
Epidemiology of sarcopenia: Prevalence, risk factors, and consequences [J].
Yuan, Shuai ;
Larsson, Susanna C. .
METABOLISM-CLINICAL AND EXPERIMENTAL, 2023, 144