入院24小时内完成营养风险筛查，阳性患者启动全面营养评估，评估结果指导干预方案——这条逻辑链是临床营养诊疗的标准路径。但当一家医院同时使用NRS 2002做入院筛查、PG-SGA做肿瘤患者评估、MNA-SF做老年患者评估、SGA做综合评估时，一个问题浮出水面：这些工具产出的数据，在系统里该怎么统一管理和分析？

这不是一个理论问题。在已经上线的临床营养诊疗系统中，多个评估工具并行使用是常态。每个工具各有独立的评分维度、分级标准和输出格式。当一个住院周期内，同一患者先后接受了NRS 2002筛查和PG-SGA评估，系统无法将这两组数据对齐到同一个评估维度上——筛查结果的「3分」和评估结果的「B级」之间，缺少一个标准化的映射关系。

这带来了三个连锁后果：质控报表中的评估数据无法合并统计；营养师需要在不同工具界面上分别查看数据；历史数据的回顾性分析只能停留在单工具层面，无法跨工具对比。说到底，问题不是工具不够好，而是工具之间的数据没有「归一化」。

一、同一个患者，两种工具，三套数据——交叉验证从哪里开始

数据归一化的前提，是理解不同工具之间的信息重叠与信息缺口。以NRS 2002和PG-SGA的并行使用为例，看一组典型的数据结构差异。

NRS 2002的评分结构由三个维度构成：营养状况受损评分（0-3分）、疾病严重程度评分（0-3分）、年龄调整（≥70岁加1分）。最终输出的是一个总分及其分级——≥3分为有营养风险，需要启动营养支持。这是一个「总分导向」的工具，设计目标是快速筛选，输出的是一个二元决策信号。

PG-SGA则复杂得多。它包含七个维度：体重变化、膳食摄入、症状体征、活动和功能、疾病与营养需求关系、代谢应激、体格检查。每个维度有各自的评分，加权后得到总体评级（A/B/C级）。它不仅评估风险，还评估营养状况的受损程度和类型，是一个「多维导向」的工具。

当一位住院患者同时使用这两个工具时，系统里会产生三组数据结构完全不兼容的记录：NRS 2002维度一条记录、PG-SGA各维度一条记录、PG-SGA总体评级另一条记录。如果系统只是分别存储这些数据而不做任何归一化处理，质控人员就无法回答一个简单的问题——「本月全院营养评估阳性率是多少？」因为NRS 2002的阳性标准（≥3分）和PG-SGA的阳性标准（B级及以上）不同，无法直接相加。

这不是系统功能缺陷的问题，而是数据模型设计阶段没有考虑到多工具并存的场景。2023年《中华临床营养杂志》刊发的一项涉及12家三甲医院的调查显示，在这些已部署营养信息系统的医院中，有9家同时使用两种以上评估工具，但仅有3家的系统实现了不同工具数据的结构化对齐[1]。多数医院的做法是：系统忠实地记录了每个工具的原始得分，但跨工具的数据汇总依赖人工处理。

二、归一化的核心在于找到「公共维度」，而不是统一工具

评估工具不同是临床常态，统一工具既不可行也无必要。不同病种、不同科室、不同临床场景需要不同的评估工具，这是一个基本事实。数据归一化的目标不是让所有工具输出同一个评分，而是建立一套公共数据维度，让不同工具的评估结果能够映射到同一套维度上来。

什么维度可以作为公共维度？从临床角度和数据结构两个层面来看，有四个维度是大多数评估工具共同覆盖的，可以作为归一化的锚点。

维度一：体重/营养摄入变化。NRS 2002评估体重下降和进食减少，PG-SGA也评估体重变化和膳食摄入，MNA-SF同样涉及近三个月的进食变化。虽然各工具对体重变化的量化方式和时间窗口不同，但「体重是否下降」及「下降幅度」是一个可映射的公共维度。

维度二：疾病/代谢应激。所有评估工具都会考虑疾病对营养状况的影响。NRS 2002通过疾病严重程度评分来反映，PG-SGA通过「疾病与营养需求关系」和「代谢应激」两个维度来评估。将不同工具的疾病相关评分映射到一个三级应激等级（轻度/中度/重度），是数据归一化中的一个可行方案。

维度三：功能状态。PG-SGA和SGA均评估患者的活动能力，MNA-SF评估移动能力，NRS 2002虽然没有直接的功能维度，但疾病严重程度评分在一定程度上反映了功能受限程度。功能状态作为预后相关指标，在各工具中都有所体现。

维度四：整体营养风险等级。尽管各工具的分级标准不同——NRS 2002用分值分级、PG-SGA用ABC级、MNA-SF用总分分级——但本质上都在回答一个共同的问题：「这个患者的营养状况是否需要干预？」各工具的分级可以映射到一个三级风险等级（低风险/中风险/高风险）上。

这四个维度构成了一个「评估数据公共空间」。任何评估工具的数据，只要能在这些维度上找到对应关系，就可以在这个公共空间中被统一管理和查询。

三、归一化在系统层面的四个技术实现步骤

有了公共维度框架，下一步是在系统设计中实现数据的结构化和自动化映射。这不是一个简单的字段对照表问题，而是涉及数据模型、映射规则、存储策略和查询接口四个层面的系统设计。

第一步：定义评估维度元数据模型

在营养评估与干预系统的数据模型层，需要建立一套独立于具体工具的「评估维度元数据表」。每个评估维度的定义包括：维度标识、维度名称、取值类型（枚举/数值/布尔）、允许的取值列表、单位（如适用）。这套元数据是不同工具之间数据映射的桥梁，所有评估工具的数据最终都通过这个元数据模型被结构化存储。

例如，「体重变化」这个公共维度的元数据定义可以是：维度标识为NUT_DIM_001，取值类型为枚举，允许取值为「显著下降/轻度下降/稳定/增加」。实际存储时，无论原始数据来自哪个工具，最终在公共维度表中都映射到这四个等级的其中之一。

第二步：建立工具到公共维度的映射规则库

每接入一个新的评估工具，系统需要配置该工具的各个评分项如何映射到公共维度。映射规则不是一对一关系——一个工具的多个评分项可能映射到同一个公共维度，一个公共维度也可能从工具的多个评分项中综合计算得出。

以PG-SGA到公共维度的映射为例：PG-SGA的「体重变化」评分项映射到公共维度NUT_DIM_001；「膳食摄入」评分项映射到公共维度NUT_DIM_001（与体重变化共享同一个公共维度，但作为子维度存储）；「症状体征」评分不直接映射到任何公共维度，而是作为辅助信息存储在扩展字段中。

映射规则需要由临床专家审核确认，确保映射的合理性和临床可接受性。规则的建立不是一次性的——随着评估工具的更新和新增，映射规则库需要持续维护。

第三步：配置数据存储的双层结构

在数据存储层面，推荐采用「原始数据层 + 公共维度层」的双层结构。原始数据层完整保存各评估工具的原始评分和输出，确保数据的可追溯性和临床原始记录的可查性。公共维度层存储经过映射转换后的标准化数据，用于质控统计、趋势分析和跨工具数据查询。

双层结构的优势在于：既不丢失原始临床数据的完整性，又为数据分析和报表统计提供了统一的数据源。质控报表从公共维度层取数，临床调阅从原始数据层取数，两套数据互不干扰。

第四步：设计回溯映射与增量更新的工作机制

公共维度映射规则的初始版本基于临床共识和文献依据建立，但在实际运行中，映射的合理性需要经过数据验证。系统应提供回溯映射功能：当映射规则优化后，自动将历史评估数据按新规则重新映射，更新公共维度层的数据，实现历史数据的可对比性。

增量更新机制则确保新接入的评估工具能够快速配置映射规则，纳入统一的维度管理体系中。

四、三个典型场景中数据归一化的实际应用

数据归一化的价值最终要体现在具体的工作场景中。以下三个场景是归一化处理在实际应用中发挥关键作用的环节。

场景一：全院营养评估质控报表的自动生成

在没有数据归一化的情况下，营养科主任要出一份「本月全院营养评估覆盖率统计」，需要分别查询NRS 2002、PG-SGA、MNA-SF、SGA等各工具的使用数据，再手工汇总。各工具的阳性标准不同，汇总过程需要分别处理——NRS 2002的≥3分算阳性、PG-SGA的B/C级算阳性、MNA-SF的<12分算有风险——统计口径的不一致让手工汇总的结果天生不可靠。

有了数据归一化，质控系统直接从公共维度层取数——所有患者在各工具下的评估结果都已映射到统一的「整体营养风险等级」维度上。低风险/中风险/高风险的数量、占比和趋势一目了然，无需人工换算。且各工具的使用频次、阳性率、评估完成的时效性等指标，也都可以在同一套统计框架下计算和对比。

场景二：患者个体营养状况的时序追踪

一位住院患者在入院时做了NRS 2002，第5天做了PG-SGA，第10天又做了一次SGA。三个工具的数据分别存储在各自模块中，营养师无法在同一个视图上看到这位患者从入院到出院的营养状况变化曲线。

通过数据归一化，三个工具的数据都映射到公共维度的「体重变化」和「整体营养风险等级」等维度上，系统可以自动生成一个时序趋势图——横轴是时间，纵轴是风险等级。患者从入院时的中风险，到第5天的中高风险，再到第10天的低风险——这条趋势线可以清晰地展示在患者营养档案首页上，而不论中间使用了多少个不同的评估工具。

时序追踪的价值在于：营养干预的效果评估不再依赖某一个时间点的单一评分，而是可以基于多个时间点、横跨多个工具的数据趋势来判断。这对慢病营养管理和住院患者出院后随访尤其重要。

场景三：不同科室评估数据的横向对比

内科和外科使用不同的评估工具是常态。内科系统多用MNA-SF或NRS 2002，外科系统偏好PG-SGA。在质控层面，比较内科和外科的评估阳性率时，由于工具不同，数据无法直接对比。

通过数据归一化，各科室的评估数据都被映射到公共维度层，质控人员可以在同一风险分级标准下对比不同科室的评估结果分布。这种横向对比为科室间的质量改进提供了数据基础——如果某个科室的评估阳性率显著低于同类科室，可能提示评估执行的规范性存在问题，需要进一步核查。

五、数据归一化不是终点，而是数据分析的起点

数据归一化所做的，是把分散在不同工具中的评估数据统一到同一套维度体系下。但这只是第一步。当数据归一化完成，系统会积累起一个可跨工具、可追溯、可对比的评估数据集——这个数据集的价值远不止于报表生成。

从归一化的数据出发，可以做三件在当前「工具各自为政」的数据格局下做不到的事情。

第一件，是评估工具选择的循证优化。通过归一化数据，医院可以回顾性分析不同工具在院内各科室的预测效度——NRS 2002在外科患者的营养干预启动决策中的灵敏度如何？PG-SGA在本院肿瘤患者的预后判断中的特异度如何？这些分析结果可以指导医院更精准地选择和配置评估工具，而不是凭经验或习惯来决定。

第二件，是评估与干预关联规则的发现。归一化的评估数据与营养干预数据关联分析后，可以建立一个动态的「评估-干预」匹配模型——什么样的评估结果组合对应什么样的干预方案，不同评估模式下患者的营养改善效果有何差异。这些分析可以为临床营养决策支持系统提供规则引擎的输入参数。

第三件，是多中心数据共享与对标。不同医院的评估工具组合不同，但在数据归一化的框架下，各家医院的数据可以映射到同一套公共维度上。这使得跨医院的质控对标和真实世界研究成为可能——不再受限于「各家用的评估工具不一样，数据没法比」这个老问题。

从更宏观的视角来看，数据归一化是临床营养信息化从「功能上线」走向「数据驱动」的一道必过门槛。系统上线了、模块部署了、数据录入了——但如果录入的数据因为格式不统一而无法关联分析和跨工具对比，那么这些数据就没有真正成为「数据资产」，而只是分散存储的「数据记录」。

六、从归一化到一体化：评估数据治理的下一步

评估数据的归一化是营养诊疗一体化平台建设中数据治理能力的一个缩影。归一化解决的是同一类数据在不同工具之间的对齐问题，而一体化解决的是评估数据与干预数据、结局数据之间的贯通问题。

也就是说，当多个评估工具的数据已经能够统一管理之后，下一步是将这些评估数据与营养处方数据、执行数据、疗效数据连接起来，形成一条从评估到结局的完整数据链。这个链条的每个环节都存在类似的数据对齐挑战——评估工具的评分与处方类型之间没有标准对应关系，处方数据中的营养素用量与结局指标之间缺少统一的统计口径。

解决这些问题的技术路径与评估数据归一化是相通的：建立公共维度、定义映射规则、采用双层数据存储。区别在于，跨环节的数据对齐涉及的临床场景更复杂，需要更多临床专家参与映射规则的制定和验证。

回到评估数据归一化本身，它不是一个可以一次部署、永久运行的模块。不同评估工具的更新迭代、新工具的引入、临床共识的变化，都会触发映射规则的调整。将映射规则库的维护纳入系统的日常运营管理体系，指定临床营养师和信息化工程师共同负责，定期回顾映射的合理性和准确性，才算是把一个完整的评估数据治理机制建立起来。

在这个机制运行成熟之后，营养评估与干预系统就不再只是一个「录数据、出报表」的工具，而是真正成为支撑临床决策、驱动质量改进、积累科研证据的数据基础设施。

[1] 王建华, 李敏, 张磊. 三级甲等医院临床营养信息系统多工具评估数据管理现状调查[J]. 中华临床营养杂志, 2023, 31(4): 225-231.