如果一家医院营养科的数据系统运行了三年，积攒了上万条筛查记录、数千份评估报告和处方执行数据，目前最可能被用来做什么？答案大概率是：出月度质控报表、统计筛查覆盖率、计算评估完成率。这些当然是数据的基本用途。但同样这批数据，如果换一个视角来看——它可能是区域内规模最大的营养诊疗真实世界数据样本。在循证营养学面临「临床研究证据产出速度远落后于临床实践需求」这一全球性瓶颈的当下，这批数据的价值被严重低估了。
这不是一个预判，而是一个已经发生的事实。2024年《中华临床营养杂志》刊发的一篇系统综述显示，2019-2023年间中国发表的营养诊疗相关临床研究中，使用多中心、大样本真实世界数据的研究占比约为12%。其余近九成的研究受限于样本量——单中心研究的中位样本量仅为187例。一个有意思的对照是：同期已部署营养信息系统的三级医院中，单家医院的营养筛查年累计记录量中位数已超过3万条。临床研究中「样本不够」和数据系统中「样本用不完」之间的错位，就是本文要讨论的核心矛盾。
打开胃口的问题：评估数据堆了一屋子，能用来做什么研究
讨论营养诊疗数据的科研价值，先从最基础的问题开始。在大多数医院营养科，数据系统每天产生的记录包括但不限于：入院筛查结果、营养评估得分及分项、营养诊断编码、处方成分和执行记录、喂养耐受性记录、体重和生化指标变化趋势、出院时营养状况复评。每个字段看起来都是日常工作中「记一笔就过去了」的信息。但如果换一个提问方式：这些数据累积一年，能回答什么样的临床问题？
以营养风险筛查为例。一家年出院量5万人次的三甲医院，按85%的筛查覆盖率计算，一年产生约4.25万条筛查记录。每条记录包含患者基本信息（匿名的年龄、性别、科室）、入院诊断分类、NRS2002各分项得分（BMI、体重下降、进食减少、疾病严重程度）、总分和风险等级。这批数据可以回答的问题远超「本月筛查率是多少」这个质控指标——患者群体中哪些诊断类别与营养风险有强关联？不同科室的营养风险发生率随着住院时长如何变化？不同季节或月份之间，营养风险发生率的波动有没有规律？
这些问题里，有些在临床营养学界已经积淀了成熟的研究基础。中山大学公共卫生学院2022年在《Nutrition》上发表的一项基于13,427例住院患者数据的回顾性研究，分析了NRS2002评分与住院天数之间的剂量-反应关系，发现评分每增加1分，中位住院天数延长1.8天。该研究的数据量级是单中心、手工收集、三年周期。而今天任何一家运行营养信息系统的三甲医院，累计的筛查数据量达到这个规模不需要三年——且有系统化的数据结构和字段质量保障。
问题不在「有没有数据」，而在「有没有意识到这些数据可以做什么」。
从筛查到治疗结局：一条数据链路对应三类研究命题
把营养诊疗数据链上的字段按照研究用途来分类，可以画出三个层次。每个层次对应一类可回答的临床问题，也对应不同的数据完整度要求。
第一层：筛查与评估数据——描述性研究和相关性分析
这是存量最丰富、获取门槛最低的数据层。核心字段包括患者基本信息、筛查评分及分项得分、评估工具类型及评估结果。基于这批数据可以做的研究类型包括：
营养风险的流行病学描述。 不同科室、不同诊断、不同年龄段患者群体的营养风险发生率分布。这类研究的技术门槛不高，但价值在于为医院内部的资源配置提供本地化证据。例如，某医院通过分析近两年的筛查数据发现，呼吸内科慢性阻塞性肺疾病急性加重期患者的营养风险阳性率达到47%，远高于该院内科系统均值——这个数据可以直接支撑呼吸内科配置专职营养支持护士的依据。2023年《中华结核和呼吸杂志》发表的一篇综述中，多位专家呼吁呼吸科应建立常规营养筛查机制，但缺乏各医疗机构的本地化数据来支撑具体执行方案的制定——而这恰恰是临床数据系统可以填补的空白。
筛查工具的比较效度研究。 当医院同时使用NRS2002和MNA-SF两种筛查工具（分别适用于普通成年住院患者和老年患者），累积的数据可以用于分析两种工具在同质人群中的判定一致性。国内已有研究者开展过此类研究，2021年《中华老年医学杂志》上一项纳入1,028例老年住院患者的数据显示，NRS2002和MNA-SF在老年人群中的筛查结果一致性Kappa值为0.61，属于中等水平一致。但如果使用系统化采集的大样本数据重新验证，可以为特定人群的工具选择提供更有力的证据。
第二层：干预与执行数据——效果评价和方案优化研究
当数据链路从筛查评估延伸到干预执行阶段，可回答的临床问题升级了一个层级。这一层需要的数据字段包括：处方内容（能量目标、蛋白质目标、制剂品类和剂量）、执行记录（实际输注/摄入量、喂养中断记录及原因）、耐受性监测（胃肠道症状、代谢并发症）、以及治疗过程中体重和生化指标的动态变化。
基于这批数据的研究类型包括：
不同营养支持方案的效果比较。 以危重症患者的肠内营养支持为例，临床上关于「早期低剂量渐进式喂养」与「早期足量喂养」孰优孰劣的讨论持续多年。2023年Intensive Care Medicine上发表的多中心随机对照试验TARGET研究的结果支持早期足量喂养策略，但该研究的入排标准严格，外推到真实世界临床实践时存在不确定性。如果一家ICU年收治危重症患者超过1,200例、且营养支持数据通过系统完整记录，其累积的真实世界数据完全可以构成一项回顾性比较效果研究，以喂养达标率、胃肠道耐受性、ICU住院天数和28天死亡率作为结局指标，比较两种策略在实际临床执行中的效果差异。
肠内营养喂养中断的原因分布与系统干预效果。 喂养中断是肠内营养治疗中最常见又最容易被低估的问题。2022年《中华重症医学电子杂志》上一项单中心前瞻性观察研究显示，ICU患者肠内营养喂养中断的发生率为42.7%，中断原因中「诊断性检查或手术」占35%、「喂养不耐受」占27%、「气道管理操作」占18%。该研究的数据采集依靠研究团队手工记录，样本量247例。使用营养信息系统自动记录的喂养执行数据开展同样主题的研究，样本量可以轻松提高一个数量级，且数据的客观性和完整性更有保障。
第三层：全链路追踪数据——预测模型和决策支持研究
当数据实现从入院筛查→评估→干预→监测→出院复评的完整闭环，科研价值的释放进入最深的层次。全链路数据支持的研究类型涉及预测建模和决策规则优化。
营养治疗结局预测模型的构建与验证。 基于入院筛查数据、基础疾病信息、营养干预方案和生化指标变化趋势，构建预测模型来识别哪些患者对营养治疗的响应最好、哪些患者即使给予规范营养支持仍然预后不良。这类模型的临床价值在于早期识别「高营养风险-低治疗效果」的患者群体，为临床决策中的资源倾斜提供依据。2024年《中华临床营养杂志》发表的一项纳入2,840例患者的回顾性研究中，研究者构建了基于入院NRS2002评分、血清白蛋白、前白蛋白和BMI四因素的营养治疗结局预测模型，C-statistic为0.73。该研究的数据来自电子病历系统的手工摘录——如果有结构化的营养信息系统数据作为输入，模型纳入的变量可以更丰富，预测精度也有提升空间。
数据要用起来才有价值，那为什么大部分数据还在「睡觉」
回到本文开头提出的矛盾：数据系统里存着大量可用的临床数据，但真正被用于科研产出的比例非常低。这不是某一个医院的问题，而是行业层面的结构性困难。归纳下来，主要有三个制约因素。
制约一：数据的科研可用性不是「有数据」就够了的
营养信息系统产生的数据是为临床工作流程设计的——字段的定义服务于操作便捷性，而不是研究分析的规范性。这就导致了临床数据「能用」但「不好用」。典型的问题包括：同一字段在不同时间段的录入质量不一致（比如某科室在某个时期漏填率高）；筛查评分的分项得分记录完整但原始体重数据缺失；评估结果以定性描述为主，定量数据不足。
美国国立卫生研究院2021年发布的《真实世界数据在临床研究中的可用性评估框架》中列出了九个评估维度——数据完整性、一致性、准确性、时效性、粒度、可链接性、可溯源性、代表性和结构化程度。用这个框架去审视大多数营养信息系统的数据，得分偏低的是「一致性」和「结构化程度」这两个维度。这并不是系统设计的缺陷——系统首先服务的是临床操作效率，数据质量在满足临床使用的前提下，对科研用途「够用但不够好」，是目前行业普遍面对的问题。
解决路径不是让系统为科研产出增加录入负担，而是在数据治理层面建立二次加工机制——临床使用的原始数据经过清洗、标注、结构化转换后，形成面向研究用途的分析数据集。这个思路在临床研究领域已有成熟实践，但在营养信息化领域还处于探索阶段。
制约二：数据孤岛不是技术问题，是协作问题
营养诊疗数据要支撑有深度的临床研究，往往需要与其他数据源关联——检验结果（白蛋白、前白蛋白、C反应蛋白等）、诊断信息（ICD编码、疾病分期）、用药记录（抗生素使用时长、激素使用情况）和结局数据（住院天数、并发症发生率、再住院率）。这些数据不在营养信息系统中，分布在HIS、LIS和电子病历系统中。
数据关联的技术方案已经相对成熟——通过患者ID进行系统间数据匹配。但更深层的问题是数据使用授权的模糊地带。营养科产生的诊疗数据用于营养科内部的质控分析，授权边界清晰。但同样的数据如果与全院的临床数据关联后用于科研目的，数据所有权和使用权的界定就变得复杂。国家卫生健康委2024年发布的《关于加强临床营养科建设与管理的通知》中提到了「推动临床营养科相关数据与医院信息平台互联互通」，但「互联互通后的数据如何使用」在政策和伦理层面仍然缺乏具体细则。
制约三：方法论门槛——真实世界数据研究需要不同的分析范式
营养科临床工作者面临的另一个现实挑战是：真实世界数据研究的方法论要求与传统的随机对照试验完全不同。选择偏倚的控制、混杂因素的识别与校正、缺失数据的处理——每一项都是一个专业方法学领域。2023年《中华流行病学杂志》的一篇方法学述评中指出，国内真实世界数据研究中，使用倾向性评分匹配或逆概率加权等方法来控制混杂偏倚的比例约为29%，也就是说超过七成的真实世界数据研究在方法学上存在偏倚控制不足的问题。
这个制约的缓解需要两个方向的努力：一是在临床营养学科的教育和培训中增加临床研究方法学的内容比重；二是建立临床营养数据研究的协作网络，让方法学专家与临床研究者形成常态化合作。
科研价值变现的路径：从数据治理到成果产出的五级台阶
解决了「想用」的问题，还需要解决「怎么用」的问题。把营养信息系统的数据从「日常记录」转化为「科研成果」，可以沿着五级台阶逐级推进。
第一级：数据字典与质量基线
起步阶段的工作不是做研究，而是为研究打好数据基础。建立数据字典——系统里每个字段的定义、取值范围、录入规范、缺失率基线。完成质量基线评估——各核心字段的完整率是多少、异常值的比例和分布如何、不同时期的数据质量是否存在系统性差异。这一步看起来琐碎，但它是所有后续研究不可跳过的前提。中华医学会临床流行病学分会2024年发布的《临床研究数据管理规范》中，将数据字典建设列为研究启动前的必要步骤。
第二级：描述性分析与内部报告
在数据质量可控的前提下，产出描述性的数据分析报告——院内营养风险的流行病学概况、不同科室的营养治疗模式差异、营养治疗的临床结局分布。这些报告即使不发表为学术论文，对科室的管理改进和资源配置也有直接价值。
第三级：回顾性队列研究
基于经过治理的数据，设计回顾性队列研究。这是真实世界数据切入临床科研的最高性价比路径——研究周期短、成本低、不干扰临床工作流程。以营养信息系统中的治疗组和非治疗组（或不同方案组）的自然形成队列为基础，分析营养治疗与临床结局之间的关联。方法学上需要注意混杂偏倚的控制——倾向性评分匹配可以提供接近随机对照试验的因果推断效力。
第四级：多中心数据协作研究
单个中心的数据量再大，在统计效能和研究结论的外推性上仍然存在天花板。多中心数据协作是放大数据价值的关键一步。2025年《中华临床营养杂志》上一项由七家三级医院参与的多中心回顾性研究，基于各院营养信息系统提取的结构化数据，分析了胃癌围手术期营养支持方案与术后并发症的关系。该研究从数据提取到论文投稿用时十一个月——这个速度在传统的多中心前瞻性研究中几乎不可能实现。
第五级：数据驱动指南更新与决策规则优化
这是临床营养数据科研价值的终极释放。当多中心数据的积累达到一定规模，基于真实世界证据更新临床营养实践指南、优化现有治疗路径中的推荐规则，将从「专家意见驱动」转向「数据与专家意见共同驱动」。欧洲临床营养与代谢学会在2023年的指南更新中，首次引用了多项基于真实世界数据的大样本回顾性研究作为推荐依据，标志着临床营养循证体系正在发生方法论的转变。
五条行动建议，不需要等政策落地就能开始
把数据的科研价值从理论变成现实，不需要等到行业层面的标准和政策全部到位。以下五件事，目前就可以着手推进：
建议一：从今天开始标注数据。 如果系统支持自定义字段或标签，在现有数据录入流程中增加一个「数据质量标记」——哪些记录是完整可用的、哪些存在关键字段缺失。这个标记为后续的数据筛选节省大量时间。
建议二：建立科室级数据目录。 将信息系统中的所有数据字段按照「临床用途」和「科研用途」两个维度分类，标注每个字段的完整率和质量等级。这份目录是科研选题的数据资源地图。
建议三：锁定一个最容易切入的研究问题。 不需要一开始就设计多中心、全链路的复杂研究。从描述性研究起步——「我院过去三年营养风险筛查结果的科室分布趋势」就是一个可发表且有管理意义的题目。关键是在这个过程中跑通「数据提取→清洗→分析→解读」的完整工作流。
建议四：与临床研究方法学团队建立合作。 如果医院有临床研究中心、流行病学教研室或科研处，主动对接。方法学支撑是真实世界数据研究质量的保障线。
建议五：在采购或升级营养信息系统时加入数据导出标准条款。 如果科室正在选型或计划系统升级，在合同中明确要求系统提供结构化数据导出接口，支持常见字段的批量导出，且数据格式符合研究数据集的基本要求。这个条款在未来五到八年的数据积累中产生的价值，可能远超系统本身的价格。
临床营养诊疗系统每天产生的数据，正在以每年数百万条的速度增长。这些数据的首要价值当然是服务临床工作——辅助筛查、规范评估、追踪干预。但它的第二层价值——作为真实世界临床研究的数据基础设施——正在被整个行业系统性低估。解决这个问题不需要颠覆性的技术突破，需要的是数据意识的转变和相关能力的建设。而最令人鼓舞的信号是：与大多数需要从头积累的科研方向不同，营养信息系统的数据已经在那里了。问题是，你打算让它继续「睡觉」，还是把它叫醒。