全科醫生快速篩選評估骨質疏松癥方法的探討

鄭方芳 楊乃龍

青島大學附屬醫院黃島院區內分泌科，山東 青島 266000

隨著社會經濟和衛生保健水平的不斷發展和提高，老齡化的問題也隨之而來。據中國民政部數據顯示，截至第六次人口普查，中國>50歲人口2.8億人，約占總人口的21%[1]。老齡化時代的到來，與其相關的老年性疾病的發生率也逐漸攀升。人類的骨質密度約在30歲左右達到高峰，之后骨質便隨年齡增加而流失，造成骨骼結構脆弱，繼而導致骨質疏松癥[2,3]，引起骨折[4-6]。如何快速準確篩查骨質疏松癥并預測骨折風險是目前臨床關注的熱點。常用的篩查骨質疏松癥的方法有以下幾種：

骨折風險評估工具(fracture risk assessment tool，FRAX)是一種應用臨床危險因素來評估骨質疏松性骨折絕對風險的軟件工具，是歐美國家指導臨床骨質疏松癥診療工作的重要依據[7]。當錄入患者信息以及7個骨折風險因子后[8,9]。就可以計算出該患者的未來10年發生骨折的概率[10-13]。

國際骨質疏松基金會(International Osteoporosis Foundation，IOF) 骨質疏松癥1 min測試題由臨床研究證實的風險因子的10題組成。有任意1題答案為“是”，即判定為OP高危者。答案為“是”的問題越多，OP風險越大[14-17]。

亞洲人骨質疏松自我篩查工具(osteoporosis self-assessment tool for Asians，OSTA)[18-20]。由Koh等[21]提出的預測絕經后女性患骨質疏松危險性的工具。它基于亞洲8個國家和地區絕經后女性的研究，收集多項骨質疏松危險因素并進行骨密度測定，再經過多變量回歸模型分析，得出能最好體現靈敏度和特異性的2項簡易篩查指標，即年齡和體重[22]。計算公式[23]：[體重(kg)-年齡(歲)]×0.2，進而進行風險級別評定。

上述3種方法均簡單易行，成本低廉，是國內外公認的骨質疏松高危人群的篩查工具，但也存在局限性和誤差。如何簡單、準確、迅速且通過常規詢問方式，篩查并評估骨質疏松癥危險人群？本研究更多地從全科醫生和社區醫生的角度探索一種方便可行的方法。

1 材料和方法

1.1 研究對象

根據世界衛生組織2007年度年齡劃分標準，45～59歲為中年人，60～74歲年輕老人，75～89歲為老年人[24]。本研究以2015年8月至2016年11月在青島大學附屬醫院門診就診的中老年具有骨質疏松相關危險因素患者為研究對象，共有325例患者。納入標準：①年齡>45歲；②符合以下至少1項：絕經后女性，服用糖皮質激素超過3個月，既往脆性骨折史。排除罹患多發性骨髓瘤、骨轉移瘤、腎功能不全或甲狀旁腺機能亢進等影響骨或鈣代謝的疾病的研究對象。所有被調查者均知情同意。

1.2 實驗方法

1.2.1查閱相關文獻并設計調查方案。

1.2.2調查方法：本實驗所有研究對象均由我院醫師采用面對面方式進行調查。其調查內容包括：性別、年齡、絕經年齡、是否有激素服用史、是否有脆性骨折史。符合納入標準的相關數據均由工作人員協助核對，并輸入電腦。

1.2.3骨密度測量：被調查者在室溫靜息狀態下取坐位或立位，用乙醇清潔被測者右足跟，在足跟的兩側涂抹適量的超聲偶合劑后將右足踏在放足臺上固定，采用Sahara超聲骨密度儀掃描右側跟骨，運用定量超聲骨量測定法(quantitative ultrasound，QUS)進行BMD檢測。測定時對每位患者的同一部位均測試2次，取平均值并輸入電腦[25]。

1.2.4分組：根據骨密度將被調查者分為骨質疏松組、非骨質疏松組。

1.3 骨質疏松診斷標準

DXA采用世界衛生組織(WHO)于1994年推薦的診斷標準，即T值≥-1.0 SD為正常，-1.0～-2.5 SD為骨量減低，≤-2.5 SD為骨質疏松[26]。

1.4 統計學處理

2 結果

2.1 一般情況

本次研究共調查325人，其中男性105人、女性220人，平均年齡為62.7±9.3歲，骨密度儀測定診斷為骨質疏松者59人(18.15%)，骨量減低者147人(45.23%)，骨量正常者113人(36.62%)。男性骨量正常率為43.81%，女性骨量正常率為30.45%，差異有統計學意義。

2.2 骨質疏松癥相關危險因素分析

2.2.1單因素分析：分別對選取的骨質疏松癥相關危險因素進行單因素分析可得，“性別”、“年齡”、“絕經年齡”、“激素服用史”、“脆性骨折史”因素對“骨密度”的相關性P值均小于0.05，差異有統計學意義。見表1。

表1 單因素相關性分析結果Table 1 Single factor correlation analysis

注：相關危險因素與骨密度因素在*P<0.05的水平(雙側)上顯著相關，相關危險因素與骨密度因素在**P<0.001的水平(雙側)上顯著相關

2.2.2Logistic回歸分析：對骨質疏松癥相關危險因素進行Logistic回歸檢驗可得，不同危險因素對骨密度減少的貢獻率有所不同。“Exp(B)”的絕對值越大，說明該因素發生的概論越高，按貢獻率從高到低排列為：性別>激素服用史>年齡>脆性骨折史。見表2。

表2 Logistic回歸檢驗Table 2 Logistic regression analysis

注：回歸系數B的絕對值越大，說明對因變量的影響越大，若回歸系數B為正值，說明因變量隨自變量的增大而增大，若回歸系數B為負值，說明因變量隨自變量的減小而減小。標準誤S.E.是樣本均數的抽樣誤差。Wals是用來對Logistic回歸方程中假設系數為零的無效假設作統計學檢驗的統計量。df是自由度。Sig值為Logistic回歸方程中各因素的P值，是差異性顯著的檢驗值，其值小于0.05說明差異顯著。Exp(B)是優勢比，是各因素不同條件間發生概率的比較

2.2.3骨質疏松風險評分模型的建立：受試者工作特征(ROC)曲線顯示骨質疏松風險評分預測骨質疏松對角段的性能(圖1)。曲線下面積(AUC)為0.640(95%可信區間：0.542～0.719)。優勢比數值越大，表示各危險因素導致骨質疏松的概率越高，根據優勢比的數值建立評分模型。score約為優勢比數值的10倍，最高得分為87分。然后用Youden指數評估每個評分范圍。當積分達到42分時，骨質疏松風險評分模型具有最佳的有效性。以此得出識別骨質疏松患者的靈敏度為54.2%，特異性為70.3%，陽性預測值為44.4%，陰性預測值為76.4%。

圖1 受試者工作特征曲線Fig.1 ROC curve.

2.2.4多因素分析：對骨質疏松癥相關危險因素進行多因素分析可得，“性別”、“年齡”、“激素服用史”、“脆性骨折史”因素兩兩相互作用對“骨密度”的影響無統計學意義，在3個因素相互作用對“骨密度”影響的研究中，只有“性別”、“年齡”、“激素服用史”相互作用的影響有統計學意義，P=0.046<0.05，在3者的相互作用中，“性別”、“年齡”、“激素服用史”之間的相互作用產生的影響有統計學意義，P=0.041<0.05，其他兩個兩兩相互作用的影響無統計學意義，決定系數R2=0.503說明三者相互作用可以解釋骨密度50.3%的變異。

表3 多因素分析Table 3 Multi-factor analysis

注：R2=0 .503(調整R2=0.218)

2.2.5不同性別分析：在不同性別人群中，不同危險因素對骨密度減少的貢獻率也有所不同，“Pearson 相關性”的絕對值越大，說明相關性越高，男性為：激素服用史>脆性骨折史>年齡，女性為：年齡>絕經年齡>脆性骨折史>激素服用史。見表3、4。

表4男性骨質疏松癥相關危險因素多元相關分析

Table4Multivariate correlation analysis of osteoporosis-related risk factors in males

因素骨密度年齡Pearson相關性-0 076 顯著性(雙側)0 442 N105 激素服用史Pearson相關性-0 197? 顯著性(雙側)0 044 N105 脆性骨折史Pearson相關性-0 077 顯著性(雙側)0 433 N105

表5女性骨質疏松癥相關危險因素多元相關分析

Table5Multivariate correlation analysis of osteoporosis-related risk factors in females

因素骨密度年齡Pearson相關性-0 277?? 顯著性(雙側)0 000 N220絕經年齡Pearson相關性0 229? 顯著性(雙側)0 039 N82激素服用史Pearson相關性-0 085 顯著性(雙側)0 208 N220脆性骨折史Pearson相關性-0 146? 顯著性(雙側)0 030 N220

3 討論

原發性骨質疏松癥是一種因骨量低下、骨微結構破壞，導致骨脆性增加、易發生骨折為特征的全身性骨病，多見于絕經后婦女(I型)和老年男性(II型)[27-30]。骨質疏松癥造成沉重的醫療和社會負擔，已成為各國關注的公共衛生問題。

雙能X線吸收儀(DXA)測定骨密度是目前公認的診斷骨質疏松癥的“金標準”，操作煩瑣，體積龐大，攜帶不便，價錢昂貴，且有放射性污染等，推廣起來有一定難度。我國各種骨礦專用儀器應用于臨床在全國的醫院覆蓋率極低，且主要集中在北京、上海等大城市，許多中小城市缺少相關設備，這成為我國骨質疏松癥患者未能得到及時診治的重要原因。Sahara臨床超聲骨密度儀是近幾年從美國引進并在國家國民體質檢測車內專門配備的一種快速、經濟、便攜、無放射線污染的骨密度儀，是利用超聲波原理對骨密度進行測試。因此，選擇方便、快捷、準確而有效的方法為廣大居民定期或不定期地測定骨密度，對了解骨質流失情況，預防骨質疏松，觀察治療效果，提高國民體質健康水平等都具有重要意義[31]。

目前常用的骨質疏松癥篩查工具雖然方便簡單，但缺點同樣不容忽視[32]。FRAX工具作為一種在全球大量薈萃分析基礎上建立的骨質疏松風險及治療預防網絡評估工具，能簡便有效地幫助臨床醫生判斷出需要藥物治療的患者，對于骨質疏松程度評估有很高的特異性，但靈敏度不足。Stuart等[33]認為FRAX排除了其他一些風險因子、入選的風險因子缺少定量、只針對髖部一個部位測試的BMD、種族導致結果差異比較大等。Kanis等[34]認為FRAX不能對已經接受治療的患者進行評估、不能監測治療效果、對低骨量患者缺乏識別出需要治療的靈敏度、不適用于年輕男性和女性繼發性骨質疏松癥、未按照新研究資訊及時更新FRAX工具、對患者診療判斷略有差異等。

骨質疏松癥1 min測試靈敏度和特異性較低，對被調查者的主觀能動性要求較高，被調查者會有不準確的回答等。且假設不同危險因素對骨質疏松癥的影響性為相同大小進行篩查，結果會有偏差。目前國內外關于其應用于骨質疏松癥篩查的研究報道較少。

OSTA用于識別原發性骨質疏松癥，尤其是絕經后骨質疏松癥。使用OSTA識別骨折風險可能會低估脆性骨折的風險，而且隨著低體重人群的比例不斷降低，OSTA特異性僅為29%[35]，此方法臨床應用較局限。

本研究表明骨質疏松與年齡和性別有顯著相關，女性骨量減少和骨質疏松的患病率均顯著高于男性。2003～2006年國內數據顯示，50歲以上骨質疏松患病率女性為20.7%，男性為14.4%[36]。多因素Logistic回歸分析結果顯示，骨質疏松患病率還與女性絕經年齡相關，可能與絕經后女性骨量丟失速率明顯加快有關，而男性通常不存在快速骨量丟失期。激素尤其是糖皮質激素可以通過各種機制直接或間接的影響骨形成和骨吸收。通常強的松服用超過3個月，無論劑量如何，骨質疏松癥的風險明顯增加[37,38]。此外脆性骨折史也是診斷骨質疏松癥的重要因素，甚至可以獨立于BMD測定之外。WHO強調骨質疏松的診斷更多基于脆性骨折史與骨量低下[39]，但脆性骨折史通常不被問及。體重因素在以往的篩查方法中運用頗多，但隨著現代社會低體重人群比例的不斷減少，其篩查作用也在不斷降低，遂未納入本研究內容。本研究結果按相關性從高到低排列為：性別>激素服用史>年齡>脆性骨折史。提示在臨床如果沒有條件進行骨密度測試，可應用詢問相關危險因素的方法篩選骨質疏松癥風險人群。本研究結果還表明，不同性別中危險因素對骨密度減少的貢獻率也有所不同，男性為激素服用史>脆性骨折史>年齡，女性則為年齡>絕經年齡>脆性骨折史>激素服用史。多因素分析顯示：性別、年齡、激素服用史是綜合評估骨質疏松癥的重要復合危險因素。

另外，本研究還嘗試建立骨質疏松風險評分模型，該模型與上述3種常見的骨質疏松篩查工具相比，具有更加方便、簡單、高效，更適用于中國人等優點，也利于患者自我評估，如果適當控制這些危險因素，高遺傳易感性的個體就可以一定程度上預防骨質疏松的發生。但由于樣本量較小、未納入較多危險因素評估、缺乏外部驗證等原因，在應用于全科醫生初步篩查骨質疏松之前，該模型仍需進一步驗證及改善，未來我們可以致力于制定一份更加完善的評分系統，通過簡單詢問相關危險因素評估骨質疏松風險。