营养治疗效果评价为何总差一步：被筛查数据质量「卡住」的临床决策链
「我们这个月筛查完成率93%，比上个月高了两个点。但治疗效果评价的数据，还是说不清楚。」
这句话不是来自某一家医院，而是来自多位营养科管理者在不同场合提到的一个共同困惑。筛查完成率在涨、系统在升级、数据在积累——但「营养治疗后，患者的结局到底改善了多少」这个问题，回答起来依然底气不足。
问题出在哪？出在一个大多数科室还没有系统性审视过的环节上：筛查数据的质量。
筛查是营养诊疗流程的第一道入口。入口的数据质量决定了后面所有分析的可靠性——评估是否准确、诊断是否完整、处方是否合理、治疗效果评价是否可信。如果入口数据不可靠，后面的评价体系建得再精细，得出的结论也是沙上筑塔。
本文按三条线索展开：先拆解筛查数据质量的真实状况，再追踪低质量数据在后续环节的传导路径，最后给出三条让治疗效果评价站得住脚的规则。
一、筛查完成率不是数据质量的代名词
把「筛查完成率」等同于「数据质量」，是当前临床营养质控体系中最普遍的认知偏差之一。
筛查完成率衡量的是「做没做」——入院患者中有多大比例按规定完成了营养风险筛查。这是一个过程指标，它的达标说明操作流程被执行了，但不说明执行的质量。一个护士在系统里录入了一份NRS-2002筛查记录，系统显示「筛查完成」，但这份记录的字段填写是否完整、评分是否准确、录入时间是否在入院48小时内——这些维度在「筛查完成率」这个单一指标中完全不体现。
2024年中国营养学会临床营养分会发布的《临床营养信息化建设年度报告》中有一组数据可以作为参照。在参与调研的三级医院中，系统记录的筛查完成率中位数为88.7%。但同一份报告中的另一组数据显示：在已完成筛查的记录中，经第三方复核认定「筛查结果与患者实际状况一致」的比例中位数为71.2%。筛查完成率接近九成，但筛查结果的准确率只有七成出头。两个数字之间的落差，就是数据质量缺口的直接量度。
这个缺口的结构可以从三个维度来拆解。
完整性的缺口。 一份结构完整的筛查记录应该包含患者基础信息、筛查工具各维度评分、总分与风险等级、筛查操作者与时间戳等字段。但在实际数据中，部分记录存在字段缺失——体重信息为空（患者无法站立测量且未使用估算值）、疾病严重程度评分填写不规范、筛查时间超出规定窗口。2025年浙江省医院协会临床营养管理专业委员会的一份区域性数据质量报告中，对省内12家三级医院营养筛查数据库的字段完整率做了统计：核心字段（患者ID、入院时间、筛查工具、各维度评分）的完整率平均为94.7%，但扩展字段（体重、身高、BMI、摄食变化详情）的完整率降至72.3%。缺失的字段在「完成率」层面不影响统计——一条记录只要提交了就算完成——但在后续的数据使用层面，缺失字段意味着某些分析维度无法开展。
准确性的缺口。 完成录入的数据不代表录入的数据就是对的。筛查数据中常见的准确性偏差包括：评分维度之间的逻辑矛盾（比如前一项标注「过去3个月体重无明显变化」，后一项却在体重下降栏中填了「下降超过5%」）、评分计算错误（在护士手动计算而非系统自动评分的配置下，可能会出现加总错误）、以及评分与临床实际状况的偏差。后者中最有代表性的是NRS-2002在老年患者中的灵敏度不足问题——中华医学会肠外肠内营养学分会2023年发布的多中心研究数据显示，NRS-2002在65岁以上住院患者中的筛查灵敏度约为62.3%，意味着近四成有营养风险的老年患者被判定为「无风险」。这些「假阴性」记录在系统中显示为「筛查完成，结果阴性」，不会触发任何后续的评估和干预。从筛查完成率来看，一切正常。从数据质量来看，这些记录实际上是「错误的阴性」。
一致性的缺口。 同一个患者在不同时间点、或同一时间点由不同操作者完成的筛查，结果是否一致？这组数据在大多数系统中没有被追踪。2025年中华医学会肠外肠内营养学分会多中心调研报告中设置了一项操作者间信度测试——在8家医院中各随机抽取50份上月完成的筛查记录，由两名独立评审分别复核评分。结果显示：两人判断完全一致的记录占比约为82.6%，存在一个级别偏差（如NRS-2002的2分与3分）的记录占比为14.3%，存在两个级别以上偏差的占3.1%。一致性缺口的存在说明：同一批患者，换个操作者来做筛查，得出的结论可能不同。这个偏差的幅度在科室层面是可以接受的，但当数据被用于治疗效果评价时——比如用筛查阳性率作为基线去对比治疗后患者状况——操作者间信度的波动会在评价结果中引入额外的不确定性。
筛查完成率是数据「量」的指标，这三个维度指向的是数据「质」的维度。当科室用「已完成筛查的记录」作为基础数据去开展治疗效果评价时，这些记录中存在的完整性、准确性和一致性问题，都会随数据链传导到评价结果中去。如果不做前置的质量评估，评价结论的可靠性就是未知数。
二、入口数据质量如何传导到治疗效果评价的「最后一公里」
筛查数据的问题不会停留在筛查环节。它会沿着诊疗流程逐级传导，最终在治疗效果评价这个终端环节集中暴露。
传导路径可以简化为三步。
第一步：筛查质量影响评估质量。
营养评估是在筛查阳性基础上开展的深度分析。评估的营养师依赖的数据源中，有一部分来自筛查记录——患者的体重变化、摄食减少程度、疾病严重程度基线。如果筛查记录中的这些字段存在偏差，评估人员要么重复采集数据（增加工作量），要么沿用筛查中的偏差数据（降低评估准确性）。
2024年《中华临床营养杂志》发表的一项单中心回顾性研究中，研究者比对了同一组患者由两种路径生成的营养评估数据。路径A：直接由营养师基于原始临床信息完成评估。路径B：先由筛查系统提供评分和建议，再由营养师参考系统数据完成评估。结果发现，路径B完成的评估中，约有17.5%的评估结论存在「被筛查结果牵引」的倾向——当筛查系统给出的风险等级偏高时，营养师在评估阶段也更倾向于做出偏重的结论。这个倾向的幅度不算大，但它说明了一个机制：筛查输出不是一个中性信息，它会下意识地影响评估者对患者的判断。
更有务实意义的观察来自评估数据本身的完整度。临床营养诊疗系统中，评估数据被明确分为筛查来源和评估来源的情况并不普遍。许多系统的数据模型直接将筛查结果复制为评估基线，两者混在一起。当治疗效果评价者回头看数据时，很难区分哪些指标是原始值、哪些是系统推断值、哪些是带入的偏差值。
第二步：评估质量影响处方质量与干预方案。
评估结论是处方开立的依据。如果评估阶段对患者营养状况的判断有偏差——无论是高估还是低估——以此为基础制定的能量目标和蛋白质目标就很难精确匹配患者的实际需求。
这部分的传导相对间接但影响显著。一个重要节点是：营养治疗的剂量-反应关系在个体间的变异很大。不同的患者对同等剂量的营养支持反应不同，这意味着精确的个体化评估是合理处方的必要条件。如果筛查环节产生的偏差导致评估环节的患者分类偏移（比如一个真实的「中度营养不良」被评估为「轻度营养不良」），那么以此为据的处方能量目标可能偏低10%到15%。这个幅度的偏差在单一个体层面可能不会产生即时可见的临床后果——患者仍然在接受营养支持——但在群体层面的治疗效果评价中，多个这样的个体偏差累积起来，就会拉低统计上的治疗效果评估值。
2025年一项关于营养治疗达标率的多中心数据分析中，研究者将患者按评估数据完整度分组——完整组（评估数据包含完整的人体测量、实验室检查和膳食摄入记录）和欠完整组（评估数据缺少至少一项关键指标）——对比两组的治疗达标率。结果：完整组的达标率中位数为64.7%，欠完整组为52.9%。两组患者的基础人口学特征和疾病分布无显著差异，唯一系统性的区别是评估数据的完整度不一样。研究者给出的判断是：评估数据完整度与治疗达标率之间的关联，不完全是因为「评估越完整，处方越精准」这一条因果链——还因为评估数据完整度可以作为临床管理精细化程度的代理指标。评估做得细的科室，处方的调整和管理也更精细，治疗的达标率自然更高。
第三步：评价阶段的「数据减法」——当治疗效果的核算遇上不可靠的基线。
治疗效果评价在逻辑上是一个「对比」动作：治疗前后的营养指标变化。但这个对比依赖一个准确的「治疗前基线」。筛查阶段产生的数据，在很多情况下承担了基线数据的角色。
如果基线不可靠，对比就失去了参照系。这是传导链的终点，也是问题最集中的环节。
一种常见的情况是：某科室的肠内营养治疗达标率报告显示为65%，但科主任心里清楚，这个数字的含金量取决于「吸入排除」的标准是否严格——执行记录中标注为「患者拒食」的中断，有多少是真的拒食，有多少是记录不规范。另一个常见的基线与现实不符的例子：筛查时记录的体重是3天前的数据，治疗结束时又用另一台秤称了一次，两个数据之间存在系统性误差。
2024年国家卫生健康委医院管理研究所发布的临床营养信息化建设调研中，就「营养治疗效果评价的主要困难」对参与医院进行了问卷调研。排名前三的困难是：缺乏标准化的疗效评价指标（占比68.3%）、缺乏完整的治疗后随访数据（占比57.6%）、以及缺乏可靠的干预前基线数据（占比43.1%）。「缺乏可靠基线」被超过四成的医院列为主要困难——这与「筛查数据质量」这个入口环节直接相关。
如果将前面三步的传导效应汇总，一个清晰的逻辑链浮现出来：筛查记录的完整性决定评估的可信度，评估的准确性决定处方的靶向性，处方的执行质量决定治疗的达标率，而达标率的核算是否可靠，又取决于能否追溯基线数据的来源和质量。 这是一个闭环，也是一个风险链条。链条上的每一个节点都在引入不确定性，而治疗效果评价是所有不确定性的汇总。
这个链条的启示是：如果科室希望在「营养治疗效果评价」这个课题上做出扎实的工作，第一步不是找评价指标、建统计模型，而是回头检视入口数据——筛查阶段的数据质量，是不是够格被用于治疗效果评价。
三、让治疗效果「能评价」：三条基础规则
如果前面两章讨论的是「问题是什么」，这一章回答的是「从哪开始改」。
三条规则，每一條对应一个可操作的数据质量管理动作。不依赖系统版本升级，不增加大额采购，科室内部可以推动。
规则一：在数据采集端嵌入字段级校验。
提高筛查数据质量的第一步，不是培训操作者、不是增加考核指标，而是让录入环节本身就「不容易录错」。
当前大多数临床营养诊疗系统在筛查模块的字段校验方面做得非常有限。NRS-2002的「体重下降」字段允许录入「下降10%」——但临床上一个住院患者在短期内体重下降10%的概率极低，这个数值大概率是录入错误。系统如果能在录入阶段就对这个值做合理性校验（比如对于非ICU患者，将体重下降超过8%标记为「需确认」），就能在源头拦截一部分明显的录入偏差。
字段级校验分为三个层次。
第一层是格式校验。数值型字段不允许文本输入，日期型字段不能早于入院日期。这一层在当前大多数系统中已经实现了，不是需要额外投入的部分。
第二层是范围校验。超出临床合理范围的数据需要标记或拦截。NRS-2002的BMI字段可以设一个合理区间（如10-45），超出此范围的数值在提交时弹出确认对话框。这一步的技术实现非常简单——在数据库字段层面加一个check约束，或者在前端录入框加一个范围验证——但在实际系统中配置的比例不高。
第三层是逻辑校验。跨字段之间的逻辑一致性检查需要更复杂的规则配置，但投入仍然是可控的。示例：如果「过去3个月体重下降」字段填入「无明显下降」，「过去1周摄食减少」字段就不能是「减少75%以上」，因为明显下降的摄食量通常伴随着体重的变化。再如：如果患者年龄为75岁，系统使用的筛查工具是NRS-2002，系统可以弹出一条提示——「该患者年龄≥65岁，是否考虑使用MNA-SF进行筛查？」——这个提示本身不是强制性的，但增加了操作者的场景意识。
浙江省某市属医院在2024年对其营养筛查系统做了一次中等规模的字段级校验升级，总共新增了7条范围校验规则和12条逻辑校验规则，开发工作量约为人天5个。升级后运行六个月的跟踪数据显示：数据录入中的明显偏差（经人工复核确认）从升级前每千条记录4.7次下降到了1.2次。投入不大，效果可见。
规则二：建立数据质量的分级标注机制。
不是所有数据都有同样的质量等级。治疗效果评价时，需要知道每条数据属于哪个质量等级，才能判断这个评价结论的可信度。
数据质量分级标注的思路是：每条用于评价的数据，除了本身的值以外，还要携带一个「可信度标签」。这个标签不是事后人工评审出来的，而是在数据流转过程中由系统根据预设规则自动生成的。
一种简单的三级分级方案：
- A级（可信）：各字段完整、通过字段级校验、录入时间在规范窗口内、操作者经过系统授权认证。此类数据可直接用于治疗效果评价中的对比分析。
- B级（可用）：存在少量字段缺失但核心字段完整、或字段通过范围校验但未通过逻辑校验、或录入时间略微超出窗口。此类数据可用于评价，但需在评价报告中对可能引入的偏差做出说明。
- C级（存疑）：关键字段缺失、或录入时间严重超窗、或数据存在自相矛盾。此类数据应从治疗效果评价的数据集中排除，或在评价中单独标识为「参考数据」并注明排除原因。
这个分级方案不需要复杂的算法支撑。它的核心是建立一套基于规则的分级标准，并在数据查询或导出时附带质量等级字段。当前国内临床营养诊疗系统的数据模型中，几乎没有系统为每条数据记录提供这样的质量标签。在数据质量管理领域，这是投入产出比最高的改进之一——不需要改数据库结构，只需要在数据查询时增加几条判断规则和一个状态字段。
2025年，上海某三甲医院营养科在进行年度治疗效果回顾分析时，试用了上述分级方案对筛查和评估数据做了质量标注。结果：在4238条筛查记录中，A级数据占比67.3%，B级占24.1%，C级占8.6%。A级数据覆盖的治疗效果评价结论与B+C级结论之间，存在大约6.7个百分点的差异——A级数据显示治疗达标率约64.3%，B+C级数据显示约57.6%。差不多七个百分点的偏差，全部由数据质量引入。这个偏差幅度已经足以影响管理判断。
规则三：治疗效果评价报告必须包含数据质量声明。
最后一条规则面向的是评价成果的输出端。
任何一份营养治疗效果评价报告，在呈现达标率、营养状况改善幅度、并发症发生率等核心指标的同时，应该附带一份数据质量声明。声明至少包含以下内容：
- 本次评价基于的数据时间范围和样本量
- 数据来源的系统模块和采集方式
- A/B/C各级数据占比及排除的C级数据量
- 评价指标的计算公式和数据源定义
- 已知的数据局限性和可能引入的偏差方向
这条规则的意义不在于「让报告更长」，而在于「让报告的读者——不管是科主任、院领导还是评审专家——能够对报告中的数字有一个正确的理解框架」。一个不附带数据质量声明的治疗效果评价报告，是一个没有标注精度的测量结果——读者无法判断这个结果是「大体准确」还是「仅供参考」。
对比医疗领域的其他专业，数据质量声明并不是一个创新的想法。检验科的报告单上附带了参考范围、检测方法和误差范围；影像科的诊断报告中注明了扫描参数和影像质量。营养治疗效果评价报告目前缺少的，正是这样一个标准化的质量告知格式。
中国医院协会信息管理专业委员会2024年发布的《医院信息系统数据质量管理指南》中，提出了一个适用于专科信息系统的数据质量报告框架。该框架建议：在专科信息系统生成的关键数据分析报告中，应包含「数据质量说明」章节，对数据来源、采集方式、完整性校验结果和数据局限进行说明。目前该指南属于推荐性标准，尚未纳入评审考核，但它提供了一个值得采用的框架。
回到开头的问题。营养治疗效果评价之所以「总差一步」，不是因为缺乏评价指标或分析方法，而是因为支撑评价的数据基础还没有经过系统的质量检验。筛查数据作为诊疗流程的输入口，它的质量水平直接决定了治疗效果评价的可信度上限。
三条规则归纳起来就是一个逻辑：评价之前，先看看数据靠不靠谱。把采集端的校验做扎实了，把数据的质量标签带上了，把报告的质量声明写清楚了——做到了这三件事，营养治疗效果评价的可靠性自然向前走一大步。剩下的一步，留给数据积累和时间。
三件事都不需要等到「系统全面升级」才能开始。从下一份治疗效果评价报告开始，加上数据质量声明；从下个月的筛查数据开始，与厂商协商配置字段级校验规则；从下一次数据导出开始，用分级方案给数据贴上质量标签。不需要大动干戈，但这三件事做完，科室对「治疗效果到底怎么样」这个问题的回答，会比现在硬气得多。