夜雨聆风
还在为中老年肥胖人群的衰弱风险“看不见、摸不着”而发愁？这篇基于中国 nationally representative 队列（CHARLS）的研究，用497例真实随访数据，仅靠年龄、糖尿病史、饮酒习惯和握力四个临床随手可得的指标，就构建出一个可视化诺模图，5年衰弱风险一算便知——没有高深算法，却有扎实验证，连AUC都稳稳落在0.74区间！
福利大放送！！！关注回复“资料”2字，即可免费领取生信资料，包括数据集、绘图代码、图表复现、思路总结、参考文献......0代码鼠标点一点，就能轻松完成5—10分生信SCI全文复现!（持续关注我们，每天为您解读最新见刊的文献!）
新鲜出炉！今天给大家深度剖析一篇 2026年 发表在《BMC Public Health》上的文章，题目为：面向45岁及以上肥胖成年人的衰弱发生风险预测模型开发与内部验证：来自中国健康与养老追踪调查（CHARLS）的证据
Development and internal validation of a frailty prediction model in adults aged ≥ 45 years with obesity: evidence from the China Health and Retirement Longitudinal Study (CHARLS)
本研究基于中国健康与养老追踪调查（CHARLS）2013–2018年五年人群队列数据，针对≥45岁肥胖成年人，筛选并验证了年龄、糖尿病、饮酒和握力四个独立预测因子，构建并内部验证了一个简易、可临床操作的5年衰弱风险诺模图。
影响因子：3.6
发表期刊：BMC Public Health
团队成员合影（位于上海陆家嘴中心，可随时预约参观）
1.聚焦特定高危人群： 首次专门面向≥45岁肥胖成年人这一衰弱风险显著升高的群体，开发前瞻性衰弱预测模型，弥补了通用或疾病特异性模型在此亚群中适用性不足的空白。
2.变量精简且临床友好： 最终模型仅纳入四个易获取、低成本、非侵入性指标——年龄、糖尿病病史、酒精消费习惯、握力，极大提升基层与临床场景的实操可行性。
3.方法学严谨透明： 采用LASSO回归进行变量初筛，再经多变量Logistic回归确认独立预测效应，并通过校准曲线、Hosmer–Lemeshow检验、决策曲线分析（DCA）及10折交叉验证、Bootstrap重抽样（1000次）等多重策略全面评估模型性能。
4.验证充分可靠： 内部验证显示模型具有中等区分度（训练集与验证集AUC均为0.744），校准良好（Hosmer–Lemeshow检验P值分别为0.90和0.44），且决策曲线分析证实其在广泛阈值概率下具备正向净临床获益。
5.数据来源权威代表： 所有数据源自中国 nationally representative 的CHARLS队列，覆盖全国150余个县区，增强了结果对中国中老年肥胖人群的外推价值。
1.构建首个面向中国肥胖中老年人的衰弱预测诺模图： 区别于既往泛人群或合并症（如糖尿病、冠心病）模型，本研究专为肥胖这一独立危险因素驱动的衰弱进程设计，更契合该人群病理生理特征。
2.揭示饮酒作为独立风险因子的关键作用： 在调整年龄、糖尿病、握力后，饮酒仍显著增加衰弱风险（OR=2.10），提示临床需将饮酒史纳入肥胖人群衰弱风险常规评估。
3.确认握力作为功能性标志物的核心地位： 握力每下降1单位，衰弱风险上升8%（OR=0.92），印证其作为肌肉储备与躯体功能关键指标在肥胖相关衰弱早期预警中的不可替代性。
4.确立糖尿病与衰弱在肥胖背景下的强关联： 糖尿病患者衰弱风险达非糖尿病者的2.37倍（OR=2.37），凸显代谢紊乱在肥胖-衰弱轴中的枢纽作用。
5.提供可视化、可量化临床工具： 所建诺模图支持临床医生快速赋分、汇总、映射至5年衰弱风险概率，为个体化风险分层与干预时机选择提供直观依据。
全球肥胖流行持续加剧，我国≥45岁肥胖人群衰弱风险显著升高。衰弱定义为多系统功能储备下降的综合征，与高发病率、高死亡率及功能恶化密切相关。既往研究证实肥胖与衰弱存在生物学关联，涉及慢性低度炎症、脂肪-肌细胞因子失衡、异位脂肪沉积及少肌性肥胖等机制。然而，现有衰弱预测模型多基于一般人群或特定疾病患者，缺乏针对肥胖人群的专用工具；且多数聚焦横断面识别，而非前瞻性预测新发衰弱。因此，亟需利用代表性队列数据，开发并验证适用于肥胖中老年人的衰弱风险预测模型。
1.队列构建： 基于CHARLS 2013年基线数据，纳入≥45岁、BMI≥28 kg/m²、基线无衰弱者，随访至2018年（5年），最终纳入497例完成随访者。
2.衰弱定义： 采用改良Fried标准，基于问卷评估5项指标（非意愿性体重减轻、虚弱、疲惫、步行缓慢、体力活动低下），满足≥3项即判定为衰弱。
3.变量筛选： 对30个候选变量先用LASSO回归降维，再经多变量Logistic回归筛选独立预测因子。
4.模型构建与可视化： 将最终入选变量（年龄、糖尿病、饮酒、握力）整合为诺模图。
5.模型验证： 采用训练/验证集划分、校准曲线、Hosmer–Lemeshow检验、ROC曲线下面积（AUC）、决策曲线分析（DCA）、10折交叉验证及Bootstrap重抽样（1000次）进行综合评估。
1.队列特征： 497例参与者中，182例（36.6%）在5年内新发衰弱；衰弱组较非衰弱组显著高龄、糖尿病患病率更高、饮酒比例更高、握力更低（均P<0.001）。
2.变量筛选： LASSO回归初筛出12个候选变量；多变量Logistic回归确认年龄（P<0.001）、糖尿病（P=0.008）、饮酒（P=0.009）、握力（P<0.001）为独立预测因子。
3.模型性能： 训练集与验证集AUC均为0.744；Hosmer–Lemeshow检验显示校准良好（P=0.90, 0.44）；决策曲线分析显示模型在阈值概率0.1–0.6范围内净获益优于“全治”或“不治”策略。
4.稳健性检验： 10折交叉验证平均AUC为0.738，Bootstrap重抽样平均AUC为0.735，证实模型区分能力稳定。
5.模型局限： 仅完成内部验证，未开展外部验证；部分变量（如衰弱指标）依赖自报，存在回忆偏倚可能；完全病例分析可能导致选择偏倚。
结论：本研究成功构建并内部验证了一个面向≥45岁肥胖成年人的5年衰弱风险预测诺模图，仅需年龄、糖尿病史、饮酒习惯和握力四个变量，即可实现便捷、定量的风险评估。模型展现出中等区分度与良好校准性，具备初步临床应用潜力，尤其适用于基层筛查与风险分层。但其外推性与实际干预价值仍有待多中心外部验证及前瞻性干预研究进一步确证。
共有497名来自CHARLS、年龄≥45岁的肥胖成年人完成了为期五年的随访。在随访期间，182名参与者发展为衰弱状态，五年累积发病率为36.6%（男性为22.67%；女性为33.12%）。衰弱组与非衰弱组在身高、年龄、认知功能、握力、性别、婚姻状况、糖尿病、饮酒、抑郁和疼痛方面均存在显著差异（所有P<0.05）。详细的基线特征见表1。
LASSO回归筛选出12个候选预测因子：年龄、糖尿病、关节炎或风湿病、肾脏疾病、饮酒、白天小睡、抑郁、认知功能、生活满意度、疼痛、睡眠时间和握力（图2A、B；补充表S1）。多重共线性诊断显示，LASSO所选变量的方差膨胀因子（VIF）均<5，容差值>0.1，表明不存在明显的多重共线性（补充表S2）。在多变量logistic回归中，年龄（P < 0.001）、糖尿病（P < 0.01）、饮酒（P < 0.01）和握力（P < 0.001）仍与年龄≥45岁肥胖成年人的新发衰弱独立相关（表2）。这四个变量被用于构建预测模型，并在列线图中展示（图3A）。为评估模型区分度，分别对训练集和验证集生成ROC曲线。训练集的AUC为0.744（95% CI：0.668–0.800），验证集的AUC为0.744（95% CI：0.666–0.821）（图3B）。10折交叉验证得到的平均AUC为0.738（95% CI：0.702–0.774）。经Bootstrap重抽样（1,000次重复）后，平均AUC为0.735（95% CI：0.689–0.780），表明模型具有中等区分能力。Hosmer–Lemeshow拟合优度检验显示校准效果可接受，预测风险与观察风险之间无显著偏离（训练集：χ2 = 3.49，df = 8，P = 0.90；验证集：χ2 = 7.94，df = 8，P = 0.44）（图4A、B）。在验证集中，校准截距为0.047，校准斜率为0.987，提示
无明显系统性高估或低估，整体校准效果可接受。决策曲线分析显示，在较宽的阈值概率范围内，模型具有正向的净临床获益，支持其潜在的临床应用价值（图4C、D）。
更多结果和补充图表:
PMID：41866525
DOI：10.1186/s12889-026-27099-5
不想做实验，没数据，还想要快速发表文章，没问题的！公共数据库就是我们的数据宝藏！没思路不用担心，作为专业的生信团队，我们很乐意为您效劳，提供研究路线设计和数据挖掘分析，扫码联系我们吧！
可向下滑动发掘更多科研秘籍!
