老年人骨折風險評估工具的研究進展

戴婷，馬彩莉，張孟喜，周雅琴，陳希，趙麗萍

隨著人口老齡化進程的加快，老年人的健康問題日漸突出，其中骨折比較常見[1]。篩選骨折高風險人群，及時實施干預，對實現老年人骨折的一級預防具有重要意義。目前，老年人骨折風險評估包括現代醫學測量技術和風險評估工具兩大類。 現代醫學測量技術主要包含骨密度(Bone Mineral Density，BMD)、骨微觀結構、骨生理代謝指標等的測量。多項研究認為，現代醫學測量技術雖然在一定程度上可以預測老年人骨折的風險，但由于成本高、存在電離輻射影響、可移動性低等不足，其臨床推廣受到限制，因此一般僅作為提高老年人骨折風險評估準確性的輔助工具[2]。而老年人骨折除了受自身骨密度或骨微觀結構變化的影響外，還與臨床危險因素如跌倒、既往骨折史、疾病史、用藥史、體重指數(Body Mass Index, BMI)等有關[3]。相比較現代醫學測量技術，包含多個臨床危險因素的風險評估工具更能體現個體特征,在臨床的應用價值更高，且大部分已被證實可以獨立于BMD值用于骨折高風險人群的篩查，因此被國內外多個指南推薦[4-6]。本文對老年人常見的骨折風險評估工具及其優缺點展開綜述,以期為臨床醫務工作者提供操作簡便、準確度高、實用性強、低成本的骨折高風險篩查工具，同時為開發具有我國特色的老年人骨折風險評估工具及骨折初級預防控制工作提供參考。

1 國外骨折風險評估工具的研究現狀

1.1社區老年人骨折風險評估工具

1.1.1骨折風險評估工具(Fracture Risk Assessment Tool，FRAX) FRAX是由英國謝菲爾德大學Kanis等[7]基于部分骨折危險因子及股骨頸BMD建立的骨折風險預測模型，主要用于計算40～90歲個體未來10年發生骨質疏松性骨折的概率(Probability of a Major Osteoporotic Fracture, PMOF)及髖部骨折的概率(Probability of Hip Fracture, PHF)。若個體的PMOF≥20%或PHF≥3%，則被定義為骨折高風險人群，建議行BMD測量并考慮予以相關抗骨質疏松治療[8]，登錄網址可獲取中國人群的FRAX計算模型(https://www.sheffield.ac.uk/FRAX/tool.aspxcountry=2)。FRAX中輸入BMD值后，PHF和PMOF的ROC曲線下面積(Area Under Curve，AUC)分別為0.81和0.72，具有良好的鑒別能力[9]。國內外多項研究表明，在缺少BMD值的情況下，FRAX依然可以有效評估骨折風險[10-11]。但FRAX的預測模型是基于病死率構建，可能會低估部分預期壽命較低個體的骨折風險，如老年人、絕經后婦女、糖尿病患者等[9,12]；且由于各國家環境、人群、種族、年齡構成等不同，老年人骨折發生率存在一定的差異，該工具干預閾值的確定也存在差異[5,12-13]。相關研究表明，PMOP≥20%或PHF≥3%的FRAX干預閾值在我國老年人、絕經后女性、類風濕關節炎等患者中的預測能力較好[14-15]，但李燕云等[13]將國內外多個地區的FRAX干預閾值應用于無錫地區，發現FRAX的敏感性均較低。

FRAX作為全球應用最廣泛的骨折風險評估工具，雖然簡單易行，靈敏度較高，但僅適用于未經骨折治療的人群，且工具內缺乏某些公認的骨折風險因子，如跌倒作為骨折的主要誘發因素之一，尚未能被量化和納入到FRAX模型中。此外，既往骨折史、激素治療、吸煙及飲酒等在骨折風險中的劑量-效應關系、繼發性骨質疏松的病因、種類以及其他與骨折相關的老年人常見慢性病如糖尿病、高血壓等也均未被考慮進模型，因此FRAX在預測老年人骨折的準確性還存在不足[12-13]，在我國的普適性還需多中心、大樣本人群的長期隨訪研究的驗證[14]。

1.1.2Garvan骨折風險計算工具(Garvan Fracture Risk Calculators，FRC) Garvan計算工具是由澳大利亞國際健康醫學研究委員會基于Cox比例風險模型開發的2種骨折風險評估模型，其中模型I包括年齡、骨密度、骨折史以及跌倒史4個變量，模型Ⅱ包括年齡、體質量、骨折史以及跌倒史4個變量，若評估對象PMDF≥20%或PHF≥3%，則定義為骨折高風險人群[16]。該工具主要用于計算60～96歲個體5年和10年的髖部骨折以及骨質疏松性骨折(Osteoporotic Fracture, OPF)的風險，可從網址https://www.garvan.org.au/promotions/bone-fracture-risk/calculator/中獲取。在Garvan計算工具中輸入BMD值后，預測人群髖部骨折和骨質疏松性骨折風險的AUC分別為0.79和0.72[9]。Garvan與FRAX的對比研究發現，兩者在髖部骨折中的風險預測能力均較高，但骨折風險評估的準確性無明顯差異[9,17-18]。雖然Garvan計算工具操作簡便，臨床應用價值較FRAX可能更高，但該工具是在澳大利亞骨質疏松癥流行病學數據基礎上構建，我國尚未發現大規模、長期前瞻性的隨訪研究對該工具進行有效性驗證，因此Garvan計算工具在我國老年人群中的適用性需進一步研究和驗證。

1.1.3QFracture 算法(QFracture Calculator) QFracture算法是英國學者Hippisley-Cox等[19]提出的一種用于預測30～99歲個體在未來1～10年內發生髖部骨折以及OPF風險的模型，主要應用于骨折風險的初級保健和自我評估，可從網址https://qfracture.org中獲取。該模型包含吸煙、飲酒、是否住在養老機構、跌倒史、骨折史、BMI、心血管等多種疾病在內的臨床危險因素。進行骨折風險評估時，若女性和男性未來10年內的骨折風險評估結果分別高于11.1%和2.6%時，則被視為骨折高風險人群。雖然QFracture未要求提供BMD值，但該工具包含了多種臨床危險因素，因此具有較高的骨折預測能力，其預測髖部骨折和OPF風險的AUC分別為0.75和0.77[9]。但該工具僅適用于英國人群，國內外仍然需要大量的臨床研究對該工具的有效性進行驗證。

1.1.4韓國骨折風險評分(Korean Fracture Risk Score，KFRS) KFRS是2016年由韓國學者Kim等[20]基于韓國健康管理數據庫建立，適合50～90歲個體的骨折風險預測模型，可從網址http://www.nhis.or.kr中獲取。該模型包含年齡、BMI、近期骨質疏松性骨折史、吸煙、酗酒、缺乏定期鍛煉、近期口服糖皮質激素、類風濕關節炎以及其他原因引起的繼發性骨質疏松癥9個變量，可計算個體7年內發生骨質疏松性骨折的概率，在韓國男性和女性人群中AUC分別為0.68和0.65，鑒別能力尚可。KFRS是基于亞洲人群建立的預測模型，對我國骨折風險評估存在一定的借鑒意義。但該工具目前存在以下問題：①骨折風險評估工具主要用于初級衛生保健機構，構建該工具模型的數據來源于健康管理數據庫，可能存在選擇偏倚；②工具未納入其他骨折高危因素如BMD、跌倒史或飲食情況等，可能影響其預測的準確性；③工具構建時可能漏診無癥狀的椎體骨折患者，低估人群的骨折風險；④目前該工具的閾值尚未確定，也未在其他人群中進行驗證，其外推性受到一定的限制[20]。

1.1.5丹麥骨折風險預測模型(Fracture Risk Evaluation Model，FREM) FREM是由Rubin等[21]基于1998～2012年丹麥國家健康登記中心的250萬45歲以上人群數據構建，可用于計算個體1年內發生骨質疏松骨折或髖部骨折的風險。在骨質疏松骨折風險預測模型中，女性和男性分別包含38和43個風險因素，其AUC均為0.75；在髖部骨折風險預測模型中，女性和男性均包含32個危險因素，其AUC分別為0.87和0.85，提示2個模型的預測準確性均較高，且髖部骨折預測模型優于骨質疏松骨折預測模型。當個體骨質疏松骨折風險≥2%，髖部骨折風險的≥0.3%時，被視為骨折高風險人群，建議行進一步的篩查如DXA測定BMD值。

FREM是首個基于全國人群注冊數據庫建立的模型，無需任何實驗室檢查或臨床測量，可用于初級保健部門的常規篩查，但由于該工具包含的因素較多，不利于人工計算，建議結合電子注冊信息管理系統應用。FREM計算工具本身也存在某些局限[21]，如模型未包含BMI、吸煙、飲酒、骨質疏松癥或骨折家族史、糖皮質激素使用史等潛在骨質疏松骨折的臨床危險因素，未考慮人群藥物治療情況以及為期15年內暴露因素與1年內結局間的劑量-效應關系。此外，由于各國的骨折發病率以及電子健康管理系統內容結構的差異，FREM外推時可能需要對相關系數進行校正。

1.1.6骨質疏松類風險評估工具 鑒于老年人骨折與骨質疏松癥或低BMD存在較強相關性，國內外一些學者開始將骨質疏松癥風險評估工具應用到骨折風險評估中，如骨質疏松自我篩選工具(Osteoporosis Self-assessment Tool for Asians，OSTA)在預測亞洲絕經后婦女患骨質疏松癥風險方面具有較高敏感性，但由于OSTA僅考慮體質量和年齡因素，且評估結果易受年齡、性別、種族、BMD測定部位以及臨床疾病等因素的影響，故該工具在老年人骨折風險中的應用尚存在爭議[22]。其他骨質疏松風險評估工具如ORAI(Osteoporosis Risk Assessment Instrument)、SCORE(Simple Calculated Osteoporosis Risk Estimation)、OSIRIS(Osteoporosis Index of Risk)等內容較簡單，缺乏部分骨折相關的臨床危險因素，且應用人群相對局限于絕經后婦女或骨質疏松癥患者，因此骨質疏松風險評估工具在老年人群中的骨折風險預測能力存在爭議[9, 22-24]。

1.2長期照護機構內老年人骨折風險評估工具

1.2.1FRAiL評估工具(Fracture Risk Assessment in Long-term Care) FRAiL是Berry等[25]在2017年基于美國長期照護機構的居民評估工具-最小數據集2.0(RAI-MDS 2.0)開發的骨折風險評估工具，內容包括高齡、白種人、女性、跌倒史、注意力低下、低BMI、徘徊癥、骨關節炎、壓力性損傷、糖尿病以及認知功能、日常生活活動能力、運動功能、排尿情況和轉移功能評估15個項目，主要用于評估長期照護機構內的65歲以上老年人2年內發生髖部骨折的風險。當工具的截斷值取6%時，FRAiL靈敏度為81.4%，特異度為44.8%，男性和女性AUC分別為0.69和0.71，預測能力尚可。但由于照護機構中的老年人功能狀態以及治療情況等具有時變性，FRAiL的預測準確性可能受到一定影響。此外，由于每個國家、照護機構甚至個體治療情況存在差異，FRAiL的外推性可能受到一定的限制。

1.2.2骨折風險量表(Fracture Risk Scale，FRS) FRS是Ioannidis等[26]采用決策樹分析方法編制，內容包含行走能力、徘徊癥、跌倒史、認知功能、移動能力、年齡大于85歲、BMI、骨折史等多個項目，主要用于評估長期照護機構老年人1年內發生髖部骨折的風險。FRS將老年人髖部骨折風險分成八個等級，級別7和8視為髖部骨折極高風險組，級別4、5、6視為高風險組，級別1、2、3視為低風險組。該量表的預測準確性尚可，AUC為0.673。Negm等[27]發現FRS同樣可以有效應用于加拿大其他省份的長期照護機構中，但目前尚未發現該量表在其他國家進行驗證。

2 國內骨折風險評估工具的研究現狀

目前，國內本土化的骨折風險評估工具尚缺乏，我國大部分研究采用世界衛生組織推薦的FRAX對老年人的骨折風險進行預測，現有的本土化骨折風險預測模型主要基于部分西醫危險因素以及中醫特色癥狀體征或證候要素進行構建，僅適用于我國絕經后婦女。

申浩[28]于2014年基于Cox比例風險模型，通過篩選出的臨床危險因素(年齡、絕經年限、分娩次數)、中醫癥候(目眩、下肢痙攣)以及BMD值等6個危險因素構建了3種絕經后OPF的風險預測模型。模型 Ⅰ 包含BMD、臨床危險因素和中醫癥狀；模型 Ⅱ 僅包含BMD和臨床危險因素；模型 Ⅲ 僅包含臨床危險因素和中醫癥狀，三者的AUC分別為0.750、0.697和0.726，均具有較好的預測效果。

此外，章軼立等[29]對1 129例絕經女性開展OPF高危人群流行病學資料調查，分別基于Group lasso模型和決策樹模型，將現代醫學危險因素、中醫特色臨床癥狀、中醫證候信息相結合，構建了2種符合我國人口學特征的絕經后OPF預測模型。Group lasso模型和決策樹模型包含的具體變量分別有BMD、年齡、飲食、身高、月經情況、孕產次數和肝腎陰虛7大類以及BMD、目眩、肉類、分娩次數、視物模糊和乏力6大類，其AUC分別為0.88和0.87，均表現出較好的預測能力。

雖然上述基于中醫特色構建的絕經后骨質疏松骨折風險預測模型在我國具有較好的鑒別能力，但目前尚未發現其在我國其他老年人群中應用。此外，上述模型在構建時由于樣本量不足、研究對象局限在上海、北京部分社區的40～65歲絕經后婦女，而我國飲食文化、中醫證候等存在地域性差異[30]，因此以上工具在我國老年人群普適性可能受到一定限制。

3 小結與展望

3.1小結 目前國內外存在多種骨折風險評估工具，但大部分骨折風險評估工具在構建或驗證時，納入的危險因素片面、研究樣本量過少、研究對象多為絕經后婦女、缺少大規模和長時間隨訪調查等，其外推性均存在一定的局限。而由于各個國家在人群特征、文化背景等方面存在差異，工具的干預閾值尚未達成共識，變量數量對預測效能的影響仍然存在爭議。在眾多評估工具中，FRAX、Garvan工具以及QFracture經過多項大樣本人群的驗證研究，是目前鑒別力最高、應用最廣泛的老年人骨折風險評估工具[9,12]。其中FRAX和Garvan工具對老年人髖部骨折風險預測能力較好，而QFracture在老年人骨質疏松性骨折的風險預測能力方面更占優勢，但QFracture內容復雜，需依賴臨床電子信息系統，因此FRAX和Garvan在臨床實踐中的實用性和推廣性更強。

此外，FRAiL、FRS均可應用于長期照護機構，但兩者僅適用于本國人群，缺乏一定的推廣性。

3.2展望

3.2.1構建適合我國老年人的骨折風險評估工具 雖然國外已存在多種成熟的骨折風險評估工具，但以上工具在我國并未進行大規模的驗證性研究，在我國老年人群中的普適性存在爭議，而國內本土化的老年人骨折風險評估工具的構建工作尚處于起步階段。因此，建議完善我國老年人骨折的流行病學資料，同時在大樣本人群長期隨訪研究的基礎上，考慮我國人群或環境特性，構建和發展適合我國老年人骨折風險預測模型及干預閾值，為我國老年人骨折的初級預防和控制工作提供有效的實證參考依據。

3.2.2合理應用老年人骨折風險評估工具 臨床尤其是初級衛生保健機構可借鑒國外經驗，對老年人骨折風險評估實行分階段管理策略。首先，將含有多種臨床危險因素的骨折風險評估工具作為初篩工具，針對初篩結果結合BMD值、TBS或骨轉化標記物等現代醫學測量技術對老年人骨折風險進行多元化分析，以提高工具的預測準確性。其次，根據風險分級結果，對老年人提供針對性的預防干預措施，以期降低老年人骨折的發生率，進而減少老年人骨折的發生，從而減少醫療支出及相應社會成本。此外，在應用國內外骨折風險評估工具前，建議先在區域內目標人群中進行驗證或對工具內的系數進行適當的校準，亦可對多個工具進行比較研究，以此選擇預測性能高、操作簡便、實用性強的老年人骨折風險評估工具。

3.2.3開發適合長期照護機構內老年人的骨折風險評估工具 由于長期照護機構中的老年人和普通社區里老年人的身體健康狀況存在差異，且居住在長期照護機構中的老年人發生骨折，不僅會降低其生活質量或平均壽命，同時易引發機構與居住者的矛盾沖突，影響機構運營發展。因此建議今后的研究可根據長期照護機構內老年人的平均壽命年和個體特征，結合電子健康檔案采集系統，構建特異性較高的老年人骨折風險預測模型。