郑方芳 杨乃龙

青岛大学附属医院黄岛院区内分泌科，山东 青岛 266000

随着社会经济和卫生保健水平的不断发展和提高，老龄化的问题也随之而来。据中国民政部数据显示，截至第六次人口普查，中国>50岁人口2.8亿人，约占总人口的21%[1]。老龄化时代的到来，与其相关的老年性疾病的发生率也逐渐攀升。人类的骨质密度约在30岁左右达到高峰，之后骨质便随年龄增加而流失，造成骨骼结构脆弱，继而导致骨质疏松症[2,3]，引起骨折[4-6]。如何快速准确筛查骨质疏松症并预测骨折风险是目前临床关注的热点。常用的筛查骨质疏松症的方法有以下几种：

骨折风险评估工具(fracture risk assessment tool，FRAX)是一种应用临床危险因素来评估骨质疏松性骨折绝对风险的软件工具，是欧美国家指导临床骨质疏松症诊疗工作的重要依据[7]。当录入患者信息以及7个骨折风险因子后[8,9]。就可以计算出该患者的未来10年发生骨折的概率[10-13]。

国际骨质疏松基金会(International Osteoporosis Foundation，IOF) 骨质疏松症1 min测试题由临床研究证实的风险因子的10题组成。有任意1题答案为“是”，即判定为OP高危者。答案为“是”的问题越多，OP风险越大[14-17]。

亚洲人骨质疏松自我筛查工具(osteoporosis self-assessment tool for Asians，OSTA)[18-20]。由Koh等[21]提出的预测绝经后女性患骨质疏松危险性的工具。它基于亚洲8个国家和地区绝经后女性的研究，收集多项骨质疏松危险因素并进行骨密度测定，再经过多变量回归模型分析，得出能最好体现灵敏度和特异性的2项简易筛查指标，即年龄和体重[22]。计算公式[23]：[体重(kg)-年龄(岁)]×0.2，进而进行风险级别评定。

上述3种方法均简单易行，成本低廉，是国内外公认的骨质疏松高危人群的筛查工具，但也存在局限性和误差。如何简单、准确、迅速且通过常规询问方式，筛查并评估骨质疏松症危险人群？本研究更多地从全科医生和社区医生的角度探索一种方便可行的方法。

1 材料和方法

1.1 研究对象

根据世界卫生组织2007年度年龄划分标准，45～59岁为中年人，60～74岁年轻老人，75～89岁为老年人[24]。本研究以2015年8月至2016年11月在青岛大学附属医院门诊就诊的中老年具有骨质疏松相关危险因素患者为研究对象，共有325例患者。纳入标准：①年龄>45岁；②符合以下至少1项：绝经后女性，服用糖皮质激素超过3个月，既往脆性骨折史。排除罹患多发性骨髓瘤、骨转移瘤、肾功能不全或甲状旁腺机能亢进等影响骨或钙代谢的疾病的研究对象。所有被调查者均知情同意。

1.2 实验方法

1.2.1查阅相关文献并设计调查方案。

1.2.2调查方法：本实验所有研究对象均由我院医师采用面对面方式进行调查。其调查内容包括：性别、年龄、绝经年龄、是否有激素服用史、是否有脆性骨折史。符合纳入标准的相关数据均由工作人员协助核对，并输入电脑。

1.2.3骨密度测量：被调查者在室温静息状态下取坐位或立位，用乙醇清洁被测者右足跟，在足跟的两侧涂抹适量的超声偶合剂后将右足踏在放足台上固定，采用Sahara超声骨密度仪扫描右侧跟骨，运用定量超声骨量测定法(quantitative ultrasound，QUS)进行BMD检测。测定时对每位患者的同一部位均测试2次，取平均值并输入电脑[25]。

1.2.4分组：根据骨密度将被调查者分为骨质疏松组、非骨质疏松组。

1.3 骨质疏松诊断标准

DXA采用世界卫生组织(WHO)于1994年推荐的诊断标准，即T值≥-1.0 SD为正常，-1.0～-2.5 SD为骨量减低，≤-2.5 SD为骨质疏松[26]。

1.4 统计学处理

2 结果

2.1 一般情况

本次研究共调查325人，其中男性105人、女性220人，平均年龄为62.7±9.3岁，骨密度仪测定诊断为骨质疏松者59人(18.15%)，骨量减低者147人(45.23%)，骨量正常者113人(36.62%)。男性骨量正常率为43.81%，女性骨量正常率为30.45%，差异有统计学意义。

2.2 骨质疏松症相关危险因素分析

2.2.1单因素分析：分别对选取的骨质疏松症相关危险因素进行单因素分析可得，“性别”、“年龄”、“绝经年龄”、“激素服用史”、“脆性骨折史”因素对“骨密度”的相关性P值均小于0.05，差异有统计学意义。见表1。

表1 单因素相关性分析结果Table 1 Single factor correlation analysis

注：相关危险因素与骨密度因素在*P<0.05的水平(双侧)上显著相关，相关危险因素与骨密度因素在**P<0.001的水平(双侧)上显著相关

2.2.2Logistic回归分析：对骨质疏松症相关危险因素进行Logistic回归检验可得，不同危险因素对骨密度减少的贡献率有所不同。“Exp(B)”的绝对值越大，说明该因素发生的概论越高，按贡献率从高到低排列为：性别>激素服用史>年龄>脆性骨折史。见表2。

表2 Logistic回归检验Table 2 Logistic regression analysis

注：回归系数B的绝对值越大，说明对因变量的影响越大，若回归系数B为正值，说明因变量随自变量的增大而增大，若回归系数B为负值，说明因变量随自变量的减小而减小。标准误S.E.是样本均数的抽样误差。Wals是用来对Logistic回归方程中假设系数为零的无效假设作统计学检验的统计量。df是自由度。Sig值为Logistic回归方程中各因素的P值，是差异性显著的检验值，其值小于0.05说明差异显著。Exp(B)是优势比，是各因素不同条件间发生概率的比较

2.2.3骨质疏松风险评分模型的建立：受试者工作特征(ROC)曲线显示骨质疏松风险评分预测骨质疏松对角段的性能(图1)。曲线下面积(AUC)为0.640(95%可信区间：0.542～0.719)。优势比数值越大，表示各危险因素导致骨质疏松的概率越高，根据优势比的数值建立评分模型。score约为优势比数值的10倍，最高得分为87分。然后用Youden指数评估每个评分范围。当积分达到42分时，骨质疏松风险评分模型具有最佳的有效性。以此得出识别骨质疏松患者的灵敏度为54.2%，特异性为70.3%，阳性预测值为44.4%，阴性预测值为76.4%。

图1 受试者工作特征曲线Fig.1 ROC curve.

2.2.4多因素分析：对骨质疏松症相关危险因素进行多因素分析可得，“性别”、“年龄”、“激素服用史”、“脆性骨折史”因素两两相互作用对“骨密度”的影响无统计学意义，在3个因素相互作用对“骨密度”影响的研究中，只有“性别”、“年龄”、“激素服用史”相互作用的影响有统计学意义，P=0.046<0.05，在3者的相互作用中，“性别”、“年龄”、“激素服用史”之间的相互作用产生的影响有统计学意义，P=0.041<0.05，其他两个两两相互作用的影响无统计学意义，决定系数R2=0.503说明三者相互作用可以解释骨密度50.3%的变异。

表3 多因素分析Table 3 Multi-factor analysis

注：R2=0 .503(调整R2=0.218)

2.2.5不同性别分析：在不同性别人群中，不同危险因素对骨密度减少的贡献率也有所不同，“Pearson 相关性”的绝对值越大，说明相关性越高，男性为：激素服用史>脆性骨折史>年龄，女性为：年龄>绝经年龄>脆性骨折史>激素服用史。见表3、4。

表4男性骨质疏松症相关危险因素多元相关分析

Table4Multivariate correlation analysis of osteoporosis-related risk factors in males

因素骨密度年龄Pearson相关性-0 076 显著性(双侧)0 442 N105 激素服用史Pearson相关性-0 197∗ 显著性(双侧)0 044 N105 脆性骨折史Pearson相关性-0 077 显著性(双侧)0 433 N105

表5女性骨质疏松症相关危险因素多元相关分析

Table5Multivariate correlation analysis of osteoporosis-related risk factors in females

因素骨密度年龄Pearson相关性-0 277∗∗ 显著性(双侧)0 000 N220绝经年龄Pearson相关性0 229∗ 显著性(双侧)0 039 N82激素服用史Pearson相关性-0 085 显著性(双侧)0 208 N220脆性骨折史Pearson相关性-0 146∗ 显著性(双侧)0 030 N220

3 讨论

原发性骨质疏松症是一种因骨量低下、骨微结构破坏，导致骨脆性增加、易发生骨折为特征的全身性骨病，多见于绝经后妇女(I型)和老年男性(II型)[27-30]。骨质疏松症造成沉重的医疗和社会负担，已成为各国关注的公共卫生问题。

双能X线吸收仪(DXA)测定骨密度是目前公认的诊断骨质疏松症的“金标准”，操作烦琐，体积庞大，携带不便，价钱昂贵，且有放射性污染等，推广起来有一定难度。我国各种骨矿专用仪器应用于临床在全国的医院覆盖率极低，且主要集中在北京、上海等大城市，许多中小城市缺少相关设备，这成为我国骨质疏松症患者未能得到及时诊治的重要原因。Sahara临床超声骨密度仪是近几年从美国引进并在国家国民体质检测车内专门配备的一种快速、经济、便携、无放射线污染的骨密度仪，是利用超声波原理对骨密度进行测试。因此，选择方便、快捷、准确而有效的方法为广大居民定期或不定期地测定骨密度，对了解骨质流失情况，预防骨质疏松，观察治疗效果，提高国民体质健康水平等都具有重要意义[31]。

目前常用的骨质疏松症筛查工具虽然方便简单，但缺点同样不容忽视[32]。FRAX工具作为一种在全球大量荟萃分析基础上建立的骨质疏松风险及治疗预防网络评估工具，能简便有效地帮助临床医生判断出需要药物治疗的患者，对于骨质疏松程度评估有很高的特异性，但灵敏度不足。Stuart等[33]认为FRAX排除了其他一些风险因子、入选的风险因子缺少定量、只针对髋部一个部位测试的BMD、种族导致结果差异比较大等。Kanis等[34]认为FRAX不能对已经接受治疗的患者进行评估、不能监测治疗效果、对低骨量患者缺乏识别出需要治疗的灵敏度、不适用于年轻男性和女性继发性骨质疏松症、未按照新研究资讯及时更新FRAX工具、对患者诊疗判断略有差异等。

骨质疏松症1 min测试灵敏度和特异性较低，对被调查者的主观能动性要求较高，被调查者会有不准确的回答等。且假设不同危险因素对骨质疏松症的影响性为相同大小进行筛查，结果会有偏差。目前国内外关于其应用于骨质疏松症筛查的研究报道较少。

OSTA用于识别原发性骨质疏松症，尤其是绝经后骨质疏松症。使用OSTA识别骨折风险可能会低估脆性骨折的风险，而且随着低体重人群的比例不断降低，OSTA特异性仅为29%[35]，此方法临床应用较局限。

本研究表明骨质疏松与年龄和性别有显著相关，女性骨量减少和骨质疏松的患病率均显著高于男性。2003～2006年国内数据显示，50岁以上骨质疏松患病率女性为20.7%，男性为14.4%[36]。多因素Logistic回归分析结果显示，骨质疏松患病率还与女性绝经年龄相关，可能与绝经后女性骨量丢失速率明显加快有关，而男性通常不存在快速骨量丢失期。激素尤其是糖皮质激素可以通过各种机制直接或间接的影响骨形成和骨吸收。通常强的松服用超过3个月，无论剂量如何，骨质疏松症的风险明显增加[37,38]。此外脆性骨折史也是诊断骨质疏松症的重要因素，甚至可以独立于BMD测定之外。WHO强调骨质疏松的诊断更多基于脆性骨折史与骨量低下[39]，但脆性骨折史通常不被问及。体重因素在以往的筛查方法中运用颇多，但随着现代社会低体重人群比例的不断减少，其筛查作用也在不断降低，遂未纳入本研究内容。本研究结果按相关性从高到低排列为：性别>激素服用史>年龄>脆性骨折史。提示在临床如果没有条件进行骨密度测试，可应用询问相关危险因素的方法筛选骨质疏松症风险人群。本研究结果还表明，不同性别中危险因素对骨密度减少的贡献率也有所不同，男性为激素服用史>脆性骨折史>年龄，女性则为年龄>绝经年龄>脆性骨折史>激素服用史。多因素分析显示：性别、年龄、激素服用史是综合评估骨质疏松症的重要复合危险因素。

另外，本研究还尝试建立骨质疏松风险评分模型，该模型与上述3种常见的骨质疏松筛查工具相比，具有更加方便、简单、高效，更适用于中国人等优点，也利于患者自我评估，如果适当控制这些危险因素，高遗传易感性的个体就可以一定程度上预防骨质疏松的发生。但由于样本量较小、未纳入较多危险因素评估、缺乏外部验证等原因，在应用于全科医生初步筛查骨质疏松之前，该模型仍需进一步验证及改善，未来我们可以致力于制定一份更加完善的评分系统，通过简单询问相关危险因素评估骨质疏松风险。