编辑推荐：
维生素 D 缺乏是全球性健康问题，在中国大学生中也较为普遍。研究人员开展 “中国大学生维生素 D 缺乏预测模型的开发与验证” 研究，构建了预测模型。该模型可筛选高危学生，避免不必要检测和补充，对大学生健康管理意义重大。
维生素 D 作为一种脂溶性维生素，不仅对骨骼健康至关重要，还与心血管疾病、癌症、代谢综合征等多种非骨骼疾病密切相关。然而，维生素 D 缺乏在全球范围内都是一个严峻的公共卫生问题，无论是儿童、孕妇、老年人，还是普通人群，都深受其扰。在中国，不同年龄和特征人群中维生素 D 缺乏的患病率约为 40%-75%。根据相关研究，中国大学生中维生素 D 缺乏（<20 ng/mL）和不足（20~<30 ng/mL）的患病率分别高达 64.4% 和 30.2% 。这一数据表明，大学生群体的维生素 D 状况不容乐观，急需进行监测和干预，以预防相关疾病的发生。
传统评估维生素 D 状态的方法是检测血清 25 (OH) D 浓度，但这种方法成本较高，不适合大规模应用于健康人群的筛查。此前，虽然已经有各种预测维生素 D 缺乏的模型被开发出来，但大多存在局限性，如预测变量信息不完整，主要针对医院患者或特殊人群，且因地域、生活方式差异，这些模型并不适用于中国人群。因此，开发一个基于中国大学生特征的维生素 D 缺乏预测模型迫在眉睫。
上海健康医学院的研究人员肩负起这一使命，开展了一项旨在开发预测中国大学生维生素 D 缺乏模型的研究。他们的研究成果发表在《Journal of Health, Population and Nutrition》上，为中国大学生维生素 D 缺乏的预防和管理提供了新的思路和方法。
在研究过程中，研究人员采用了多种关键技术方法。数据来源于对中国大学生维生素 D 状态的横断面研究，样本为 2020 年 9 月入学的上海健康医学院大一新生，他们来自中国 26 个不同的省份。研究人员通过在线问卷调查收集了参与者的人口统计学信息、饮食、体力活动和紫外线防护等生活方式信息，并对血清 25 (OH) D3浓度进行了检测 。之后，运用限制立方样条探索变量间关系，通过最小绝对收缩和选择算子（LASSO）回归模型筛选预测因子，构建多变量逻辑回归模型和列线图，并进行 100 次自助重抽样内部验证，还利用决策曲线分析评估模型的临床实用性。
研究结果主要包括以下几个方面：
- 研究人群特征：最终纳入分析的 1667 名参与者中，男性占 23.0%，女性占 77.0%，平均年龄 18.55 ± 0.90 岁。参与者血清 25 (OH) D3水平范围为 5.20 - 64.83 ng/mL，均值为 18.06 ± 6.34 ng/mL，其中 67.5% 的参与者血清 25 (OH) D3 < 20 ng/mL 。
- 预测模型开发：最初纳入 30 个候选变量，经 LASSO 回归筛选，结合专家建议，最终确定性别、原居住地、牛奶和酸奶摄入量、膨化食品摄入量、户外活动时长、紫外线防护指数和 “3 个月内是否服用钙或维生素 D 补充剂” 这 7 个变量，构建了预测中国大学生维生素 D 缺乏的多变量逻辑回归模型，并开发出简单易用的列线图，可在线使用 。
- 模型性能评估：经过 100 次自助重抽样分析，模型的 C 指数为 0.677，偏差校正后的 C 指数为 0.668，校准图显示观测值与预测值之间相关性良好，平均绝对误差为 0.01 。决策曲线分析表明，当维生素 D 缺乏的阈值概率在 0.5 - 0.8 之间时，使用该模型进行预测并实施干预或补充维生素 D，比默认策略更具临床净效益。
- 敏感性分析：通过单变量和多变量逻辑回归分析进行敏感性分析，结果与 LASSO 回归及专家建议一致，进一步验证了模型变量选择的可靠性 。
研究结论显示，该维生素 D 缺乏预测模型具有良好的区分能力和校准度，模型中的 7 个预测因子易于获取，动态在线列线图使其在实际应用中可便捷地筛选维生素 D 缺乏高危人群，从而避免不必要的血液检测和维生素补充。不过，研究也存在一定局限性，如数据来自夏季末的横断面研究，未考虑季节因素对维生素 D 状态的影响；研究对象局限于中国大学生，结果可能无法推广到其他年龄组和不同特征人群；还需在其他大学生群体中进行外部验证。
尽管如此，这项研究依然意义非凡。它首次基于中国人群开发并验证了维生素 D 缺乏预测模型，为中国大学生维生素 D 缺乏的早期筛查和预防提供了有力工具。未来，随着研究的不断深入和完善，有望更精准地评估大学生维生素 D 缺乏风险，制定个性化的干预措施，切实保障大学生的健康。
