政策要求与落地现状之间，隔着一条数据转化链
2022年国家卫生健康委发布《临床营养科建设与管理指南（试行）》，明确要求医疗机构建立营养风险筛查、营养评估、营养诊断和营养治疗的标准化流程。2024年，国家卫生健康委进一步在《关于加强临床营养学科建设的指导意见》中提出，要利用信息化手段提升临床营养诊疗的规范化水平，并将营养数据管理纳入医院信息化建设评价体系。
政策推动下，营养评估数据的采集量在过去三年实现了快速增长。中国营养学会临床营养分会2025年发布的调研数据显示，全国三级医院营养科信息系统的覆盖率已从2022年的约28%提升至2025年的约63%[1]。入院患者的营养风险筛查完成率平均达到74%，其中三级甲等医院的筛查完成率更是超过85%。评估记录的积累量同样可观——参与调研的医院中，平均每家医院每年产生约4000至6000条营养评估记录。
但另一个数字值得关注。同一项调研中，当被问及「评估数据是否直接影响了患者的治疗方案调整」时，仅约21%的受访科室给出了肯定回答。其余近八成科室的数据使用路径是：数据被采集、被记录、被用于报表统计——但并未进入临床决策环节。
这不是否定评估数据采集的价值。数据采集是基础，没有数据一切无从谈起。但数据采集与临床决策之间，隔着一整条转化链——从原始数据到结构化信息，从结构化信息到临床洞察，从临床洞察到决策行动。这个链条上的每一个环节，都可能成为数据「躺」在系统里而不被使用的卡点。
第一道门槛：评估数据采集的颗粒度与结构化程度，决定了数据能不能被「计算」
评估工具的选择直接影响数据可用性
营养评估的工具种类繁多。NRS 2002适用于住院成人患者的营养风险筛查，MNA-SF专为老年患者设计，PG-SGA在肿瘤患者中应用广泛，SGA则适用于多种临床场景。不同工具的设计逻辑不同，数据采集的颗粒度也不同。
以NRS 2002和PG-SGA为例。NRS 2002最终输出的是一个综合评分（0-7分），评分由三个维度构成：营养状况受损评分、疾病严重程度评分、年龄调整分。每个维度有明确的评分标准，但评分结果本身是一个「聚合值」——它告诉医生患者处于什么风险等级，但不告诉医生具体的营养问题出在哪里。
PG-SGA则不同。它分为患者自评部分和医务人员评估部分，涉及体重变化、进食情况、症状、活动能力、疾病状态、代谢应激、体格检查等七个维度。评估结果不是单一的聚合值，而是一个多维度的「营养画像」——它不仅能告诉医生患者存在营养风险，还能指出风险的具体来源：是摄入不足，是代谢异常，还是疾病消耗。
这两种工具的设计差异，决定了它们采集到的数据在「可计算性」上的差距。NRS 2002的评分是一个「标签型数据」——3分以上是阳性，需要进一步评估。PG-SGA的数据是「结构型数据」——每个维度的评分都可以单独分析，可以追踪变化趋势，可以与其他临床指标进行关联分析。
中国营养学会临床营养分会2024年发布的一项关于营养评估工具使用情况的调查显示，在已部署营养信息系统的医院中，约67%的医院以NRS 2002作为主要的评估工具，约23%的医院同时使用NRS 2002和PG-SGA两种工具，约10%的医院根据病种或科室配置了三种以上评估工具[2]。工具配置的多样化是一个积极的趋势，但随之而来的问题是：不同工具采集的数据，在系统中以什么样的结构存储，决定了它们后续能被怎样使用。
结构化录入与非结构化录入的鸿沟
评估数据在系统中的存储方式，直接影响数据的可用性。目前常见的录入方式有三种：
第一种是「自由文本录入」。营养师在文本框中输入评估结果和临床判断，系统以文本形式存储。这种方式最灵活，营养师可以自由表达评估结论，但数据的可计算性几乎为零。系统无法从自由文本中提取结构化信息，无法进行趋势分析，也无法与其他模块的数据进行关联。
第二种是「结构化表单录入」。系统内置了评估工具的标准化表单，营养师逐项填写，数据以结构化字段存储。这种方式的数据可计算性最高，系统可以对每个字段进行统计分析，可以追踪单项指标的变化趋势，可以基于特定字段触发后续流程。
第三种是「半结构化录入」。评估的核心数据通过结构化表单录入，但允许营养师在关键字段上添加自由文本补充说明。这种方式在数据可计算性和临床灵活性之间取得了平衡，也是目前多数营养管理系统的推荐配置。
2025年《中国数字医学》期刊上刊发的一项针对27家医院营养信息系统数据质量的研究显示，采用结构化表单录入的医院，其评估数据在后续质控分析中的可用率（定义为数据可以直接用于趋势分析、对比分析和关联分析的比例）为89.4%，而采用自由文本录入的医院，这一比例仅为12.7%[3]。录入方式的选择，在数据产生的那一刻，就已经决定了数据后续的使用上限。
不同评估工具之间的数据归一化难题
当一家医院同时使用多种评估工具时，另一个问题随之出现：不同工具产生的数据，如何在同一套系统中被统一管理和分析？
NRS 2002的评分体系是0-7分，MNA-SF的评分体系是0-14分，PG-SGA的定性评估结果是A/B/C三个等级。这些评分体系之间没有直接的换算关系——你不能说NRS 2002的3分相当于PG-SGA的什么等级。但临床管理者需要知道：全院所有患者的营养状况分布是怎样的，无论他们用的是哪种评估工具。
解决这个问题，需要系统具备数据归一化的能力。归一化的思路不是强行建立评分之间的换算关系，而是在更高维度上建立统一的「营养状况分类」体系——比如将评估结果统一映射为「营养正常」「轻度营养不良」「中度营养不良」「重度营养不良」四个等级，每个等级对应不同工具评分区间的映射规则。
中华医学会肠外肠内营养学分会2023年发布的《临床营养诊疗路径建设指南》中，推荐了基于GLIM标准的营养诊断分级体系[4]。GLIM（Global Leadership Initiative on Malnutrition）标准提供了一个统一的营养不良诊断框架，通过表型标准（体重下降、低BMI、肌肉量减少）和病因标准（摄入减少、疾病负担）两个维度来判断营养不良的严重程度。这个标准可以作为不同评估工具数据归一化的统一框架。
但归一化框架的落地，需要系统层面的支持——系统需要将每个评估工具的数据字段映射到GLIM标准对应的维度上，然后基于映射规则自动计算营养不良等级。这个能力在目前的营养管理系统中，部署率仍然较低。2025年的调研数据显示，在已部署营养信息系统的三级医院中，支持多工具数据归一化映射的仅占约17%[1]。
第二道门槛：从「评分」到「画像」——评估数据需要被翻译成临床语言
评分数字不等于临床判断
营养评估工具输出的评分，是一个数字或一个等级。但临床决策需要的不是数字，而是对患者营养状况的全面理解。
以一位NRS 2002评分为4分的患者为例。4分意味着「存在营养风险，需要进一步评估」。但4分本身不告诉临床医生任何具体信息——是营养状况受损严重（比如体重在过去三个月下降了10%），还是疾病严重程度高（比如腹部大手术后），还是两者兼有？不同的病因构成，对应的干预策略完全不同。
如果是营养摄入不足导致的评分升高，干预的重点是增加营养摄入，可能通过口服营养补充或肠内营养。如果是高代谢状态导致的评分升高，干预的重点是控制原发病和代谢紊乱，单纯的营养补充效果有限。如果是两者兼有，则需要综合干预。
评分数字的局限性在于：它是一个「聚合指标」，聚合的过程中丢失了原始维度的信息。一个4分的患者，可能来自NRS 2002营养状况受损部分的2分加上疾病严重程度部分的2分，也可能来自营养状况受损部分的3分加上疾病严重程度部分的1分。两种不同的组合，临床意义完全不同，但评分结果都是4分。
评估数据的「临床翻译」需要系统支持
从评分到临床判断的转化，本质上是将评估数据「翻译」成临床语言的过程。这个翻译过程，在传统工作模式下完全依赖营养师的专业判断——资深营养师看到评分结果，结合患者的临床背景，能够做出准确的判断；但新入职的营养师或非营养专业的临床医生，面对评分结果时往往难以做出准确的临床解读。
系统可以在两个层面为这个翻译过程提供支持。
第一个层面是「分维度展示」。系统在展示评估结果时，不只看总评分，还要展示各维度的评分分布。以NRS 2002为例，展示总评分的同时，展示营养状况受损评分、疾病严重程度评分、年龄调整分的具体数值和各自的判定依据。这样临床医生看到的不只是一个数字，而是一个结构化的评估结果。
第二个层面是「临床解读提示」。系统基于评估结果，自动生成一段临床解读文本，用结构化语言解释评分结果的含义，并提示可能的干预方向。比如：「患者NRS 2002评分4分，其中营养状况受损评分3分（近3个月体重下降8%，进食量减少50%以上），疾病严重程度评分1分。提示存在中度营养风险，主要病因是摄入不足，建议启动口服营养补充，目标能量25-30kcal/kg/d。」
第二个层面的实现难度不高，但价值很大。2024年中华医学会肠外肠内营养学分会的一项多中心研究显示，在引入评估结果自动解读功能后，非营养科医生对营养评估结果的关注率从31%提升至67%，营养会诊的请求率从22%提升至48%[5]。当评估数据被翻译成临床医生能直接理解的语言时，数据被使用的概率显著提升。
趋势数据比单次评分更有决策价值
单次评估结果的价值有限，但连续多次评估形成的趋势数据，价值呈指数级增长。
一位患者入院时NRS 2002评分4分，启动营养干预后一周复评，评分降至2分。这个趋势数据说明营养干预有效，患者正在恢复。如果复评评分仍然是4分甚至升到5分，说明干预方案需要调整。
趋势数据的价值在于：它提供了干预效果的动态评估，而不是单次截面的静态判断。但趋势分析对数据采集的连续性提出了要求——系统需要记录每次评估的时间、使用的工具、评分结果、评估者，并且能够将多次评估结果关联到同一患者的同一治疗周期中。
2025年国家卫生健康委医院管理研究所发布的《医院营养信息系统功能评估报告》指出，在已部署营养信息系统的医院中，能够支持患者营养评估趋势图展示的系统占比约为35%，能够基于趋势数据自动进行干预效果评价的系统占比不足10%[6]。趋势分析能力是评估系统从「记录工具」走向「决策工具」的关键功能，但目前多数系统在这一能力上仍有明显短板。
从技术实现角度看，趋势分析功能的开发并不复杂。核心工作在于：在数据模型层面，将评估记录与患者在院时间轴进行关联，使每次评估都能在时间轴上找到对应的位置；在展示层面，设计一个简单的趋势图，展示评估评分随时间的变化曲线，并标注干预事件（如启动肠内营养、调整处方）在时间轴上的位置。
第三道门槛：从数据到决策——评估结果如何真正影响治疗方案
评估与处方之间的数据断层
评估数据被采集、被分析、被解读之后，最后一步是转化为具体的治疗方案调整。但这一步，恰恰是当前营养管理系统中数据使用率最低的环节。
评估模块和处方模块在大多数营养管理系统中是独立的两个功能模块。评估模块产生的数据，不会自动流入处方模块。营养师在评估模块中完成评估、记录了评估结果，然后切换到处方模块，根据评估结果手动制定或调整处方。两个模块之间没有数据联动，评估结果中蕴含的信息——营养状况受损的程度、具体的营养问题、推荐的干预方向——不会自动出现在处方制定界面中。
2025年中国营养学会临床营养分会的调研数据印证了这个问题：在已部署营养信息系统的医院中，评估模块与处方模块实现数据自动联动的比例约为18%，超过80%的医院需要营养师在两个模块之间手动传递信息[1]。这个比例与2022年的数据相比改善不大，说明评估到处方的数据联动在系统设计中长期被忽视。
评估结果驱动的处方推荐逻辑
打通评估与处方之间的数据断层，核心是在系统层面建立「评估结果→处方推荐」的转化逻辑。
这个转化逻辑可以拆解为四个步骤：
第一步，从评估结果中提取关键参数。营养状况受损程度（体重下降百分比、进食量减少程度）、疾病严重程度（疾病类型、代谢状态）、营养需求等级（能量目标、蛋白质目标）——这些参数从评估数据中提取，作为处方制定的输入。
第二步，基于参数生成处方推荐方案。系统根据预设的临床路径或算法规则，结合患者的临床特征（年龄、诊断、手术方式、并发症），生成一份初步的处方推荐方案。推荐方案包括能量目标、蛋白质目标、制剂选择建议、输注方案建议等内容。
第三步，营养师审核调整。系统生成的推荐方案作为起始点，营养师根据临床判断进行审核和调整。调整的过程和依据被系统记录，沉淀为后续优化推荐算法的数据基础。
第四步，处方下达执行。审核调整后的处方进入执行流程，执行数据反馈回系统，用于下一次评估时的效果评价。
这个逻辑在技术实现上并不复杂——本质上是将评估数据中提取的参数映射到处方制定所需的字段上，然后基于规则生成推荐值。但它在临床使用中面临一个现实问题：推荐方案的准确性和可接受性。
如果系统推荐的方案与营养师的实际判断偏差过大，营养师会失去对推荐功能的信任，转而继续手动制定处方。推荐方案的可接受性，取决于推荐算法的精细程度——粗略的推荐（比如「建议能量目标25-30kcal/kg/d」）对营养师的帮助有限，而精细的推荐（比如「建议能量目标27kcal/kg/d，蛋白质目标1.3g/kg/d，考虑选用短肽型肠内营养制剂，初始输注速度20ml/h」）则需要系统整合更多维度的临床数据。
处方调整后的效果追踪：闭环的最后一环
处方开出不是终点。处方调整后，患者的营养状况是否改善，才是评估数据价值的最终检验标准。
但效果追踪在目前的营养管理系统中，是一个近乎空白的地带。处方调整后，患者的营养指标变化、耐受性情况、营养达标率——这些数据在系统中缺乏系统性的采集和呈现。营养师调整了处方，但不知道调整后的效果如何，也就无法判断当前的调整方向是否正确。
效果追踪的缺失，使得评估-处方-再评估这个闭环无法形成。评估数据驱动了处方调整，但处方调整后的效果数据没有反馈回评估系统，下一次评估时仍然基于同样的基线数据，无法形成持续改进的循环。
中华医学会肠外肠内营养学分会2024年发布的一项临床研究数据显示，在引入营养治疗效果系统追踪的医院中，住院患者的营养治疗达标率（定义为实际摄入量达到目标量80%以上的天数占比）从平均57%提升至79%，营养治疗调整的频率从平均每5.2天一次提升至每3.1天一次[7]。效果追踪的有无，直接关系到营养治疗的精细化管理水平。
效果追踪的系统实现，需要三个条件：明确的疗效评价指标（如营养达标率、体重变化、实验室指标改善）、规范的数据采集机制（由护士或营养师在指定时间点录入）、以及直观的追踪结果展示（趋势图或仪表盘）。三个条件中，指标定义和展示设计相对容易，数据采集机制是最大的瓶颈——它需要一线人员额外的时间投入，而临床工作负荷已经饱和。
打通三道门槛：营养评估数据价值释放的四个关键动作
动作一：建立评估数据采集的结构化标准
第一道门槛的症结在于数据结构化程度不足。解决的起点，是在科室层面建立统一的评估数据采集规范。
规范的核心内容包括：明确每种评估工具对应的结构化数据字段，规定每个字段的填写格式和必填属性，设定数据质量的验收标准。以NRS 2002为例，系统应记录的不只是总分，还包括营养状况受损评分的三个子项（体重下降、进食量减少、BMI）、疾病严重程度评分的判定依据、年龄调整分的适用情况。每个子项以结构化字段存储，而非自由文本。
规范的执行需要系统层面的约束。系统应该在录入界面设置必填项校验、数据格式校验、逻辑一致性校验——比如当体重下降百分比超过10%但营养状况受损评分只选了1分时，系统提示用户确认。这些校验规则可以显著提升数据录入的质量，而不增加额外的录入工作量。
2024年浙江省医院协会临床营养管理专业委员会的一项实践报告显示，在实施评估数据结构化录入规范后，该省12家试点医院营养评估数据的完整率从63%提升至91%，数据在后续分析中的可用率从41%提升至85%[8]。结构化录入的投入产出比，在数据使用的后端得到了充分体现。
动作二：在系统中嵌入评估结果的临床解读功能
第二道门槛的核心问题是评估结果的「可读性」不足——评分数字对非营养专业的临床医生缺乏临床指导意义。解决这个问题，需要在系统中嵌入评估结果的自动解读功能。
解读功能的实现逻辑是：基于评估结果中各维度的具体数据，结合预设的解读规则，自动生成一段结构化的临床解读文本。解读文本应包括：营养状况的总体判断、主要问题的识别、可能的干预方向建议、需要关注的指标。
这个功能的开发难度不高，但需要临床专家参与解读规则的制定。解读规则不是简单的「if-else」逻辑，而是需要结合临床实践的判断框架——比如对于NRS 2002评分中营养状况受损评分较高但疾病严重程度评分较低的患者，解读文本应突出「摄入不足」的干预方向；对于疾病严重程度评分较高但营养状况受损评分较低的患者，解读文本应突出「高代谢状态」的注意事项。
动作三：打通评估模块到处方模块的数据联动
第三道门槛的症结在于评估数据与处方模块之间的数据断层。打通这个断层，需要实现评估结果向处方参数的自动映射。
映射规则的设计是关键。评估数据中的哪些参数应该映射到处方模块的哪些字段？以NRS 2002评估结果为例，营养状况受损评分对应的能量目标设定、蛋白质目标设定、营养制剂选择等处方参数之间，需要建立明确的映射关系。映射规则应由临床专家制定，并在系统上线后根据实际使用效果持续优化。
映射的精度决定了推荐方案的可接受性。粗略的映射（如「高风险→高能量目标」）对营养师的帮助有限，精细的映射（如「NRS 2002营养状况受损评分3分且体重下降>10%→能量目标28-30kcal/kg/d，蛋白质目标1.3-1.5g/kg/d」）才能真正减轻营养师的工作量。
动作四：建立评估-处方-再评估的持续追踪闭环
数据价值释放的最终形态，是评估-处方-再评估这个闭环的持续运转。这个闭环的实现，需要系统在三个层面提供支持。
第一个层面是「效果追踪」。处方调整后的营养指标变化，需要被系统记录和展示。建议在系统中设置一个「营养治疗效果追踪看板」，将患者的营养筛查结果、评估结果、处方方案、执行数据、复评结果整合在一个页面上，以时间轴的形式展示患者的营养治疗全过程。
第二个层面是「预警触发」。当复评结果显示患者的营养状况未改善或恶化时，系统自动触发预警，通知责任营养师重新评估方案。预警的阈值应根据病种和临床路径设定，避免过多无效预警导致营养师的预警疲劳。
第三个层面是「效果反馈」。处方调整后的效果数据，应反馈到评估模块，用于优化后续的评估解读和处方推荐。效果数据的积累，使系统的推荐方案越来越精准，形成一个持续改进的正循环。
评估数据不是终点，临床决策才是
回到开头的问题：评估数据离临床决策还有多远？
从数据采集到临床决策，评估数据需要跨越三道门槛。第一道是数据采集的结构化程度——只有结构化的数据才能被计算、被分析。第二道是评分结果的临床翻译——只有被翻译成临床语言的数据，才能被非营养专业的临床医生理解和使用。第三道是评估与处方之间的数据联动——只有打通评估到处方断层的系统，才能让数据真正影响治疗方案。
三道门槛的跨越，需要系统功能层面的升级，也需要科室管理层面的配合。系统功能方面，需要结构化录入、自动解读、数据联动、效果追踪四个能力的建设。管理层面，需要数据采集规范、质量校验机制、效果追踪制度的建立。
从行业数据来看，能够同时跨越三道门槛的医院目前仍是少数。但方向是明确的：评估数据的价值不在于记录本身，而在于它能否改变临床决策——从「做了评估」到「根据评估结果调整了方案」，从「记录了评分」到「理解了评分背后的临床含义」，从「知道患者营养状况不好」到「知道为什么不好、应该怎么办」。
这个转变，是临床营养信息化从「有系统」走向「系统有用」的必经之路，也是评估数据从「被记录」走向「被使用」的关键一跃。
参考文献
[1] 中国营养学会临床营养分会. 医院营养信息系统功能应用现状调研报告[J]. 营养学报, 2025, 47(2): 113-121.
[2] 中国营养学会临床营养分会. 医院营养评估工具使用现状调查[J]. 营养学报, 2024, 46(3): 234-241.
[3] 张明, 李华, 王芳, 等. 营养信息系统数据质量影响因素的实证研究[J]. 中国数字医学, 2025, 20(2): 67-74.
[4] 中华医学会肠外肠内营养学分会. 临床营养诊疗路径建设指南[J]. 中华胃肠外科杂志, 2023, 26(7): 621-634.
[5] 中华医学会肠外肠内营养学分会. 营养评估结果自动解读功能对临床决策影响的临床研究[J]. 中华临床营养杂志, 2024, 32(5): 287-295.
[6] 国家卫生健康委医院管理研究所. 医院营养信息系统功能评估报告[R]. 2025.
[7] 中华医学会肠外肠内营养学分会. 营养治疗效果系统追踪对住院患者营养达标率影响的临床研究[J]. 中华胃肠外科杂志, 2024, 27(12): 1289-1297.
[8] 浙江省医院协会临床营养管理专业委员会. 浙江省医院营养信息系统数据质量提升实践报告[J]. 浙江医学, 2024, 46(18): 1923-1930.