营养科上了一套评估系统，筛查工具也配齐了，NRS-2002、PG-SGA都能跑。营养师每天花大量时间录入评估数据，评分结果也出来了——然后呢？干预方案还是靠人工翻指南、凭经验开。评估数据躺在系统里，干预模块在另一个界面里，中间隔着一道看不见的墙。
这不是某一个医院的个案。在临床营养信息化推进过程中，「评估完成了，干预方案出不来」是一个普遍存在的系统级问题。它无关软件功能多少，而在于评估与干预两个模块之间的数据协同机制没有建立起来。
一、评估数据到干预方案之间，到底断了什么
先看一个典型场景。一位65岁消化道肿瘤住院患者，营养师用NRS-2002完成筛查，得分为4分（存在营养风险），随后用PG-SGA做了详细评估，评级为B级（中度营养不良）。评估结果记录了患者的体重下降情况、进食量变化、活动能力等关键指标。信息填全了，评分也出来了。
但切换到干预界面时，系统呈现的是一张空白的处方单。营养师需要手动重新输入患者信息、疾病诊断、评估结论，再对照指南查找对应的营养支持方案。评估环节产生的数据——体重下降百分比、进食量变化趋势、实验室指标——没有一个自动传递到干预方案中。
这个场景暴露了三个层面的数据断层：
数据传递断层。评估模块产生的结构化数据——评分、分级、关键指标——没有按照预设规则映射到干预模块。系统只是两个独立功能的拼装，而非一个贯通的数据流。
决策逻辑断层。即便数据传过去了，系统也缺乏「评估结果→干预方案推荐」的决策映射规则。比如，PG-SGA B级伴进食量下降超过50%，系统应该推荐什么样的营养支持路径？不同疾病状态下的推荐方案有何差异？这些规则没有内置到系统中。
反馈闭环断层。干预方案执行后，效果数据（体重变化、实验室指标改善）应当反馈回评估模块，形成「评估→干预→再评估」的闭环。但现实是，干预执行数据与评估数据各存各的，互不关联。
中国营养学会发布的《中国居民膳食指南(2022)》指出，营养治疗应当遵循「筛查-评估-诊断-干预-监测」的完整流程。但流程的连续性依赖的是数据在各环节之间的顺畅流转，而非流程图的完整性。
二、评估与干预「两张皮」的四个根源
评估与干预的脱节不是单一原因造成的，而是系统设计、数据模型、业务流程和认知习惯四个层面的问题叠加。
系统设计层面：模块独立开发，缺乏贯通设计
多数临床营养诊疗系统的评估模块和干预模块由不同团队、在不同时间点开发完成。评估模块关注的是筛查工具的电子化——量表展示、评分计算、结果记录。干预模块关注的是处方开立——营养方案选择、剂量计算、处方打印。两个模块各自有独立的数据表结构、独立的业务逻辑、独立的界面交互。
这种「烟囱式」开发模式，天然导致两个模块之间缺乏数据共享机制。即便底层数据库是同一个，数据表之间的关联设计也是缺失的。评估记录表里的评分结果，无法直接关联到干预处方表里的治疗方案选择。
数据模型层面：评估结果与干预参数缺乏映射关系
更深层的问题是，评估数据与干预参数之间缺乏标准化的映射规则。营养评估产生的是定性或半定量结果——「存在营养风险」「中度营养不良」「蛋白质摄入不足」。而干预方案需要的是定量参数——「能量目标：25-30kcal/kg/d」「蛋白质目标：1.2-1.5g/kg/d」「首选肠内营养」。
从定性评估到定量干预，中间需要一个翻译层。这个翻译层需要依据临床指南、循证证据和专家共识，将评估结果转化为具体的干预参数。但多数系统没有内置这个翻译层，翻译工作完全依赖营养师的大脑。
业务流程层面：评估和干预由不同角色在不同时间完成
在临床实际中，营养风险筛查可能由病房护士完成，详细评估由营养师负责，干预方案由营养医师开具。三个角色、三个时间点、三个工作场景，天然造成信息传递的延迟和损耗。
护士完成筛查后，结果可能记录在纸质的筛查表上，等营养师来查房时看到，再录入系统。营养师完成评估后，评估报告可能先打印出来放到病历中，等营养医师查房时再据此开处方。每个环节的信息传递都依赖人工搬运，数据丢失和失真是常态。
认知习惯层面：营养师更信任自己的判断而非系统推荐
还有一个容易被忽视的因素——即使系统能自动推荐干预方案，营养师也未必会用。临床营养师经过多年训练，习惯基于自己的专业判断来制定方案，对系统的「黑箱推荐」天然持怀疑态度。如果系统推荐方案与临床经验不一致，营养师会直接跳过系统推荐，手动输入自己的方案。
这不是营养师的问题，而是系统没有解释能力——推荐方案的依据是什么？关联了哪些评估指标？参照了哪条指南？如果系统不能解释自己的推荐逻辑，就难以获得临床人员的信任。
三、打通评估与干预：数据协同的四个关键设计
评估与干预的数据协同，不是简单地让两个模块共享一个数据库就能实现的。它需要在系统架构层面做四个关键设计。
设计一：评估结果的结构化拆解
评估数据不能只是「评分+分级」两个字段。NRS-2002的4分，背后是BMI、体重下降率、进食量变化、疾病严重程度等多个维度的数据。PG-SGA的B级，背后是体重史、膳食摄入、症状、活动能力、代谢应激等多个维度的评分。
要让评估数据能被干预模块「理解」，就必须将评估结果拆解到原子字段级别。每个评估维度的评分结果，都要作为独立的结构化数据存储，而非一段描述性文本。这样，干预模块才能基于这些原子字段做出精准的决策推荐。
比如，当系统识别到「体重下降率>10%/月」和「进食量<50%正常值」两个字段同时满足条件时，自动触发「高营养风险」标识，并推荐启动营养支持治疗。
设计二：临床决策规则的系统化内置
评估数据拆解完之后，还需要一套规则引擎来驱动从评估到干预的映射。这套规则引擎的核心是临床决策规则库，它需要涵盖以下内容：
疾病-营养关联规则。不同疾病对营养干预的需求不同。消化道肿瘤患者关注的是肠道功能保护和蛋白质补充，慢性肾病患者关注的是蛋白质限制和电解质平衡。系统需要内置疾病与营养方案的关联规则，当评估结果录入后，结合患者诊断信息，自动匹配适用的营养干预路径。
评估结果-干预参数映射规则。这是最核心的规则。评估结果中的每个关键指标，都需要映射到干预参数中的对应项。例如，当PG-SGA评估显示「肌肉消耗明显」时，系统自动推荐蛋白质目标为1.5-2.0g/kg/d；当评估显示「进食量下降>50%」时，系统自动推荐考虑肠内营养支持。
动态调整规则。干预方案不是一成不变的。系统需要根据干预执行后的效果数据（如体重变化、实验室指标改善），自动触发生成再评估建议，并调整干预参数。这种动态调整机制，是评估与干预协同的最终形态。
设计三：评估-干预-再评估的闭环数据流
数据协同的最高目标是形成闭环。评估数据驱动干预方案生成，干预执行数据反馈回评估系统，触发再评估，更新干预方案。这个闭环的实现，需要在数据层面建立三个关键机制：
正向数据流。评估结果自动推送至干预模块，作为干预方案制定的输入参数。推送的不仅是评分，还有评估各维度的详细数据，以及基于这些数据生成的风险标识和干预建议。
反向数据流。干预执行数据（营养液输注量、患者耐受性、不良事件等）自动回传至评估模块，作为再评估的参考依据。营养师在查看患者评估档案时，能同时看到干预执行的完整历史。
基线数据锚定。首次评估的结果作为基线数据锚定，后续每次再评估的结果与基线对比，形成趋势分析。趋势数据反过来指导干预方案的动态调整。
设计四：可解释的推荐机制
如前所述，营养师对系统推荐的不信任，根源在于系统的不可解释性。要让系统推荐被采纳，需要做到三点：
透明化。系统推荐的每个方案，都要清晰展示推荐依据——「基于NRS-2002评分4分，患者体重下降12%，进食量下降60%，结合消化道肿瘤诊断，推荐启动肠内营养支持，目标能量25-30kcal/kg/d」。将决策链条完整呈现给营养师。
可调整。系统推荐不是最终处方，而是建议方案。营养师可以一键采纳，也可以基于专业判断调整参数。调整后的方案应当被系统记录，作为后续优化推荐算法的重要反馈数据。
可学习。系统应当记录营养师对推荐方案的接受和调整行为，逐步优化推荐算法。如果营养师反复调整某一类方案的蛋白质目标值，系统应当学习这一偏好，在后续推荐中做出相应调整。
四、从数据协同走向决策协同：评估与干预系统的三个阶段
评估与干预系统的数据协同，不是一蹴而就的。从实际落地角度看，多数医院会经历三个阶段。
阶段一：数据联通阶段
这个阶段的核心目标是让评估数据和干预数据在同一个系统里「说得上话」。具体表现为：评估模块产生的数据能够在干预模块中被调阅，营养师在开处方时能一键查看患者的评估结果和历史记录。
这个阶段不要求自动推荐，只要求数据可及。技术实现上，主要是打通两个模块的数据表关联，建立患者维度的数据视图。这个阶段的价值在于减少营养师的信息查找时间，提高工作效率。
阶段二：规则推荐阶段
在数据联通的基础上，内置临床决策规则，实现基于评估结果的自动化干预方案推荐。这个阶段要求系统内置疾病-营养关联规则和评估结果-干预参数映射规则，能够根据评估结果自动生成干预方案建议。
这个阶段的核心建设内容是规则库的构建和维护。规则库需要由临床营养专家和系统工程师共同完成，并随着指南更新持续迭代。这个阶段的价值在于辅助营养师决策，减少经验差异带来的诊疗质量波动。
阶段三：智能协同阶段
最高阶段是评估与干预的智能协同。系统不再是被动执行规则，而是基于大量临床数据，通过学习优化推荐算法，实现个性化、动态化的营养干预方案推荐。
这个阶段的核心能力是数据驱动的持续优化。系统通过分析历史干预方案与效果数据的关联，发现哪些方案对特定患者群体效果更好，并据此优化推荐策略。这个阶段的价值在于推动临床营养治疗从经验驱动迈向数据驱动。
据中华医学会肠外肠内营养学分会发布的数据，国内三级医院营养科的信息化系统覆盖率已从2015年的约25%提升至2023年的超过70%，但其中真正实现评估与干预模块数据协同的系统占比不足30%。大量系统停留在「工具堆叠」层面，而非「流程贯通」层面。
五、落地路径：从评估与干预协同开始，逐步构建完整系统
评估与干预的数据协同，可以作为临床营养诊疗系统建设的切入点。相比于一步到位建设全功能系统，从评估与干预协同入手，见效更快、风险更低、后续扩展性也更好。
第一步：盘点现有数据资产
无论当前用的是哪个系统，先做一个数据盘点：评估模块产生了哪些数据？这些数据以什么格式存储？干预模块需要哪些数据作为输入？当前两个模块能否共享数据？数据盘点能帮助明确当前所处的位置，以及下一步需要打通的关键节点。
第二步：建立最小数据映射集
不需要一下子建立完备的规则库。从最常用的疾病-营养方案组合开始，建立最小可行数据映射集。比如，先覆盖肿瘤患者、糖尿病患者、围手术期患者三类人群的评估-干预映射规则，在实际使用中验证效果，再逐步扩展。
第三步：设计闭环验证机制
数据协同的最终效果，需要通过临床数据来验证。在设计系统时，就要同步设计闭环验证机制：评估数据是否准确传递到了干预模块？推荐方案是否被采纳？采纳后的治疗效果如何？这些数据要能自动采集和分析，形成持续改进的循环。
国家卫生健康委发布的《临床营养科建设与管理指南（试行）》明确要求，医疗机构应当加强临床营养信息化建设，实现营养诊疗数据的互联互通。评估与干预的数据协同，正是这一要求的核心落地场景。
回到开头那个场景。如果评估与干预系统实现了数据协同，营养师在完成PG-SGA评估后，系统会自动识别出中度营养不良合并进食量下降超过50%的风险模式，结合消化道肿瘤诊断，自动推荐启动肠内营养支持，目标能量和蛋白质供给量参照指南自动计算，推荐的营养方案在干预界面中完整呈现，营养师只需确认或微调即可。
这不是理想化的未来场景，而是当前技术条件下完全可实现的目标。关键在于，系统设计者是否意识到评估与干预之间的数据断层，并愿意花精力去填补这个断层。评估与干预系统真正的价值，不在于各自功能有多强大，而在于它们之间的协同有多紧密。
参考资料：
- 中国营养学会. 中国居民膳食指南(2022)[M]. 北京: 人民卫生出版社, 2022.
- 中华医学会肠外肠内营养学分会. 中国住院患者营养治疗现状调查报告[J]. 中华肠外肠内营养杂志, 2024, 31(2): 85-92.
- 国家卫生健康委员会. 临床营养科建设与管理指南(试行)[Z]. 2022.
- Kondrup J, et al. Nutritional risk screening (NRS 2002): a new method based on an international consensus[J]. Clinical Nutrition, 2003, 22(3): 321-336.
- Ottery FD. Definition of standardized nutritional assessment and interventional pathways in oncology[J]. Nutrition, 1996, 12(1 Suppl): S15-19.
- 国家卫生健康委员会. 医院信息互联互通标准化成熟度测评方案(2020年版)[S]. 2020.