在疾病相关营养不良的情况下解读身体组成（不仅仅是 kilograms 和 liters 的概念）：生物电阻抗矢量分析法得分（NP 和 HP）与经典生物电阻抗估计值的一致性

《Endocrinología, Diabetes y Nutrición》：Interpreting body composition in disease-related malnutrition beyond kilograms and liters: Consistency of bioelectrical impedance vector analysis scores (NP and HP) with classical bioimpedance estimates

　　

马里娜·贾拉-维达尔（Marina Jara-Vidal）|塞萨尔·冈萨尔沃-迪亚兹（César Gonzalvo-Díaz）|玛塔·加拉奇-马丁内斯（Marta Gallach-Martínez）|何塞-胡安·洛萨诺-加西亚（José-Juan Lozano-García）|罗莎-皮拉尔·基列斯-托博索（Rosa-Pilar Quílez-Toboso）|卢尔德斯·加西亚-布拉斯科（Lourdes García-Blasco）|帕洛玛·桑切斯-萨埃斯（Paloma Sánchez-Sáez）|玛塔·米拉-托巴拉（Marta Milla-Tobarra）|克里斯蒂娜·拉马斯-奥利维拉（Cristina Lamas-Oliveira）|何塞·华金·阿尔法罗-马丁内斯（José Joaquín Alfaro-Martínez）

西班牙阿尔巴塞特大学综合医院内分泌与营养科

摘要

背景与目的

最近提出了营养参数（NP）和水分参数（HP），以帮助临床解读生物电阻抗向量分析（BIVA）的结果。本研究评估了NP、HP与传统生物电阻抗分析（BIA）估算的身体组成参数之间的内在一致性，研究对象为患有疾病相关营养不良或营养风险的门诊患者。

方法

本研究在2022年至2024年间对一家三级医院的门诊临床营养科的患者进行了回顾性分析。共有542名（327名男性和215名女性）患有疾病相关营养不良或营养风险的患者接受了单频（50 kHz）BIVA检测。NP和HP是根据Piccoli和Campa参考椭圆直接从原始BIVA参数计算得出的。附肢骨骼肌质量（ASMM）通过专有设备算法估算，而细胞质质量（BCM）和水分百分比则通过其他方法获得。采用稳健相关性和回归模型进行关联分析，并通过重复交叉验证和Lin一致性相关系数进行验证。

结果

NP与身高标准化的身体组成参数显示出强相关性，根据Campa的数据，女性中BCM/h的相关系数（r）达到0.917。HP也显示出强相关性，根据Piccoli的数据，正常水分状态下的女性中r达到0.971。回归模型显示出高一致性，NP的R2值高达0.745，一致性系数高达0.850；HP的R2值约为0.80–0.90，且未发现系统偏差。

结论

NP和HP与传统的BIA估算的身体组成结果具有 strong 内在一致性，在BIVA框架内提供了有用的临床描述指标，无需依赖预测方程。

引言

身体组成评估是营养评估的基本组成部分，特别是在全球营养不良领导倡议（GLIM）标准确立之后，这些标准强调了识别身体组成变化对营养不良诊断的重要性。然而，对于患有疾病相关营养不良的患者，准确评估其营养和水分状况仍然是一个重大挑战，尤其是在标准身体组成模型可能不可靠的临床环境中。在可用的方法中，生物电阻抗分析（BIA）因其简单性、无创性和可重复性而在临床实践中得到广泛应用。

BIA通过回归模型评估身体组织的电学特性，并能估算出总身体水分（TBW）和无脂质量（FFM）等身体组成参数。传统上，BIA的身体组成评估依赖于通过电阻或阻抗测量来估算体液体积。然而，几种限制因素影响了其在研究和临床实践中的应用。在某些情况下（例如肥胖、营养不良、体液过载），FFM的水分变化会直接影响组织电阻率，而基于回归的模型的准确性也会受到限制。当预测方程来自与目标人群差异较大的群体时（例如在健康人群中开发的方程应用于营养不良或肥胖患者），这一问题尤为突出。

生物阻抗（Z）定义为导体对交流电通过的阻碍。它随组织组成和电流频率的不同而变化。生物阻抗是一个复杂参数，由电阻（R，反映细胞外和细胞内液体）与电抗（Xc，与细胞膜电容相关）的矢量关系得出。

在Piccoli提出的生物电阻抗向量分析（BIVA）方法中，50 kHz下的电阻和电抗值通过身高进行标准化（R/h和Xc/h），并将其表示为R–Xc平面上的双变量向量。BIVA能够独立于体重直接评估体液状况，通过向量在R–Xc平面上的分布模式进行判断。向量的解释基于其与参考椭圆的位置关系：脱水会使向量向椭圆的上极移动，而液体潴留则会导致向量朝相反方向移动。沿次轴的移动反映了软组织质量的变化。

与传统BIA相比，BIVA不假设FFM具有固定的水分比例，也不依赖于来自外部人群的回归方程。相反，它直接分析原始电学参数（R/h和Xc/h），并与构建参考椭圆的参考人群进行比较。这种方法可以识别软组织质量和体液状况相对于参考人群的偏差，这一概念类似于骨密度测量中使用的Z评分或T评分。在参考椭圆内的图形表示有助于可视化身体组成和长期变化。

从临床角度来看，需要可靠的身体组成评估方法，这些方法能够整合到电子健康记录中，并允许随时间量化个体的变化。BIVA提供了两个主要电学参数R/h和Xc/h，可以通过相位角（arctan [Xc/R]）总结，或表示为向量幅度（阻抗），而不是用千克或升等传统单位表示。然而，对于不熟悉向量分析的临床医生来说，如果没有图形表示，这些参数的解释可能会比较困难，且将图形输出整合到电子健康记录中也存在实际限制。为了解决这些问题，提出了一种新方法，将向量信息转化为两个数值指标：营养参数（NP）和水分参数（HP）。这些参数量化了个体的阻抗向量相对于参考椭圆的偏差。接近0的值表示与参考人群的性别特定平均值相似，而绝对值大于1则表示偏离超过95%的参考椭圆范围。正值表示软组织质量或体液量高于人群平均值，负值则表示较低。NP和HP是通过主成分分析得出的，提供了简化和临床可解释的营养和水分状况表示。

章节摘录

研究设计

这项回顾性观察研究在2022年1月1日至2024年12月31日期间，在一家三级医院的门诊临床营养科进行。

BIA是在患者仰卧状态下进行的，符合标准临床实践。使用频率为50 kHz的相敏阻抗分析仪（Nutrilab Whole Body Bioimpedance Vector Analyzer，AKERN，意大利）进行全身生物阻抗测量，输出电流为400 μA。

结果

我们分析了542名患者（327名男性和215名女性）的数据。男性中位年龄为65.9岁（标准差11.9岁），女性中位年龄为65.4岁（标准差13.3岁，使用Huber M-估计法）。表1总结了人体测量数据、原始BIA电学参数、新的BIA衍生参数和估算的身体组成变量。使用Campa椭圆计算的NP值比使用Piccoli椭圆计算的NP值更负，反映了Campa参考椭圆向左侧的偏移。

讨论

在这组542名患有疾病相关营养不良或营养风险的门诊患者中，营养参数（NP）与身高标准化的肌肉质量和细胞质质量显示出强且一致的相关性。在多次分析中，稳健相关性超过0.90，交叉验证的回归模型也显示出高一致性。水分参数（HP）也与水分状态表现出强相关性，尤其是在生理水分范围内。

关于生成式人工智能的使用声明

在撰写本文期间，作者使用了ChatGPT和Microsoft Copilot来辅助学术英语翻译和图形摘要的编写。所有内容随后由作者进行了审阅和编辑，作者对最终稿件承担全部责任。

支持来源

未声明任何支持来源。

利益冲突

作者声明没有利益冲突。