虚拟骨密度在基层全科评估骨质疏松症风险的应用价值

姜礼红 范靖雪 王秋军 张明明 林琳 姜睿 张喻淇 张蕾 孟佳

哈尔滨医科大学附属第二医院全科医疗科，黑龙江 哈尔滨 150086

骨质疏松症是一种以骨量减少为主要特征的慢性代谢性骨病，在绝经后女性中发病人数众多、致残率高、知晓普及程度差、治疗效果欠佳，甚至造成骨质疏松症性骨折，给患者及家庭乃至整个社会带来了很大的负担，做好骨质疏松症风险评估，降低其发病率是防治骨质疏松症的首要任务。

1 骨质疏松症预防重于治疗

随着社会人口的老龄化以及生活方式的改变，骨质疏松症和骨质疏松症性骨折发病率不断上升且有大规模流行趋势。研究表明[1]2016年中国60岁以上老年人骨质疏松症患病率为36%，其中男性为23%，女性为49%。据研究[2]预测至2050年我国骨质疏松症骨折患者人数将达到599万，相应的医疗支出将会高达1 745亿元。虽然骨质疏松症听起来并不像中风、心梗那样危险，但实际上骨质疏松症性骨折造成的危害同样不可小觑，骨质疏松症性骨折往往会导致患者终生残疾甚至危及生命，应引起人们的广泛关注。在绝经后妇女人群中同时存在多种易感因素如持续性钙流失、雌激素缺乏以及衰老[3]，相比男性而言，女性更容易被骨量丢失相关疾病所困扰，骨质疏松症的发生率也更高。骨质疏松症的主要特征是由于破骨细胞过度吸收骨与成骨细胞的骨形成不足导致的不平衡[4]。骨质疏松症导致骨密度和骨强度下降，增加脆性骨折的风险[5]。骨质疏松症是世界范围内的一大公共卫生问题，特别是在人口老龄化的中国[6]。针对骨质疏松症患者的数量增长这一确定态势，与开发更好的骨质疏松症治疗方法比较来说，一种更为理想的预防方法是早期识别骨质疏松症高危人群，并提出个性化的预防骨质疏松症建议[7-8]，真正符合我国医改的要求。

2 基层全科的重点所在

在我国“重治轻防”的现象比较普遍，患者缺乏疾病预防意识，且常待病程发展或病情严重时，才就医寻诊。目前我国医疗体系主要以对疾病的治疗为主，缺少对慢性病高危人群的长期管理及跟踪体系[9]。现有的医疗体系表明专科医生不注重预防疾病，而是等待患病的人们并按一些既定的程序开展他们的修复工作。我们正在经历一个快速变革的时代，时代呼唤与之搭配新的民众健康管理体系。新的体系要使民众很容易达到，成本低廉，信息解读性更强，对健康管理的弹性更好。综上所述，基层全科医生应更多关注健康教育、生活方式改变、疾病预防、高危人群的筛查及慢病管理等，减少我国日益加剧的医疗负担。

3 我团队关于虚拟骨密度评估骨质疏松风险的部分研究结果

3.1 研究对象

参照2004年WHO推荐的诊断方法，严格界定骨质疏松症的诊断。研究对象的排除标准：恶性肿瘤患者；明确的继发性骨质疏松症患者；患有自身免疫性疾病的患者；严重肝、肾功能异常的患者；患有严重胃肠道疾病的患者；近期有重大疾病打击的患者(如近期发生过外伤、手术、严重的心血管疾病等)；收集的数据中过分偏离的患者；排除男性患者；患有风湿疾病的患者；排除未绝经女性患者；排除骨质疏松骨折患者。

共收集绝经后女性患者921例，选取股骨颈骨密度指标作为绝经后女性患者观察指标进行回顾性分析研究。其中，A组为骨质疏松组，共收集患者211例；B组为低骨量组，共收集患者431例，C组为正常骨量组，共收集患者279例。

收集患者基本信息：体重(BW，单位：kg)，身高(HT，单位：cm)，年龄(Age，单位：岁)，体质量指数(BMI，单位：kg/m2)；骨密度指标：股骨颈骨密度(BMD，单位：g/cm2)，T值(单位：SD)；生化指标；血细胞分析指标；凝血象指标；甲状腺功能指标；尿液分析指标；三维心脏超声检查指标。

3.2 统计学分析

将符合入组条件患者的上述信息数据录入电脑，建立Excel数据库并储存，采用SPSS 19.0软件进行数据的统计分析处理。所有计量资料的描述均以平均值±标准差表示。采用D'Agostino分析法进行计量资料的正态性检验。采用Spearman方法分析骨密度值与临床检查指标之间的相关性。采用多元线性回归分析法对上述有统计学意义的临床检查指标进行筛选，确定影响骨密度值的主要因素。通过虚拟骨密度的多元线性回归方程得到虚拟骨密度，采用直线回归分析比较虚拟骨密度和真实骨密度。采用单因素方差分析Tukey多重比较分析虚拟骨密度和真实骨密度各组间骨密度值差异。P<0.000 1表示差异具有显著统计学意义。

3.3 骨密度值与临床检查指标的相关性分析

采用D'Agostino分析法对所收集的资料进行正态性检验后，数据不符合正态性分布。因此采用Spearman分析法进行骨密度值与临床检查指标的相关性分析。

3.4 回归分析及虚拟骨密度方程

将差异具有显著统计学意义的临床指标进行多元线性回归分析，结果显示，BW、Age、LVDd、CKMB/CK、ALP、FT3是影响女性股骨骨密度值的主要因素(见表1)。

表1 多元线性回归分析结果Table 1 Multiple linear regression analysis results

获得虚拟骨密度的多元线性回归方程：虚拟骨密度=0.714 2+0.003 869 ×BW-0.006 519 ×Age+0.003 147 ×LVDd-0.000 541 5×CKMB/CK-0.000 685 4×ALP+0.012 74×FT3。

利用虚拟骨密度方程求得虚拟骨密度，并与真实骨密度进行直线回归分析，得到虚拟骨密度与真实骨密度拟合曲线(r=0.629 0，见图1)。虚拟骨密度与真实骨密度呈线性正相关，虚拟骨密度与真实骨密度回归直线拟合良好。

图1 虚拟骨密度与真实骨密度拟合曲线Fig.1 Fitting curve between virtual BMD and real BMD

3.5 真实骨密度与虚拟骨密度各组间方差分析

采用单因素方差分析方法中的Tukey多重比较的方法分析真实骨密度与虚拟骨密度各组间骨密度值的差异。A组与B组、A组与C组、B组与C组两两比较，真实骨密度各组间骨密度值具有显著差异(P<0.000 1，见图2)，虚拟骨密度各组间骨密度值同样具有显著差异(P<0.000 1，见图2)，虚拟骨密度差异具有统计学意义。

图2 真实骨密度与虚拟骨密度的组间差异图Fig.2 Differences between groups of real BMD and virtual BMD 注：A为骨质疏松组，B为低骨量组，C为正常骨量组。

4 虚拟骨密度在基层全科的广泛应用

各国骨质疏松症相关的指南和共识中均指出用于诊断骨质疏松症的金指标是双能X线骨密度仪和QCT检查，但由于仪器昂贵只有少数三甲综合医院才具备，不能在基层普及。骨质疏松症重在预防且其危险人群筛查更为重要，目前在基层广泛开展的国际骨质疏松基金会提出的一分钟测试题和亚洲骨质疏松OSTA风险指数只是代表一类人群，没有高度的特异性。笔者前期查阅大量资料显示目前在临床上进行单一检查指标和骨密度之间相关性研究较多，得出的结论也不尽相同。所以本研究团队在前期研究的基础上[10]提出虚拟骨密度作为新的骨质疏松症风险评估指标，通过分析绝经后女性股骨颈骨密度值和临床常用检查指标的相关性，研究发现与骨质疏松症发病关系最为密切的一组临床相关检查指标，并通过计算机软件计算出虚拟骨密度，对于评估患者骨质疏松症的风险给予更有效的个性化指导。与绝经后女性股骨骨密度值显著相关的临床检查指标很多，提示骨质疏松症的发病与多种因素密切相关，与多个器官功能相互影响，是一种全身性疾病。临床中针对其他器官功能的检查指标不仅能提示相对应器官的功能，对骨质疏松症的发病也有一定提示作用。笔者前期研究通过分析临床常用的各种检查指标100余项，得出结果显示对骨密度有显著影响的指标，主要集中于血液检查和心脏超声检查中有6项指标，提示血液检查指标对于评估骨质疏松症发病风险更为重要。

本研究团队的下一步工作是将虚拟骨密度更好地在社区基层广泛应用，可以借助手机APP来实现。将计算虚拟骨密度模块加载到手机APP，每个个体此时成为体验风险识别的用户。用户可以依据医学检查结果来自动获得个性化的虚拟骨密度。而在使用后产生的数据又一次上传到位于互联网中央节点的服务器，实现系统的自我优化。用户所识别的风险是互联网内所有使用该模块的全部用户的风险排名，这一排名的位置前后对用户产生激励作用，鼓励其自我改善健康行为。

现有的医疗体系注定要经历变革[11]，而每一次医学的变革都将预示着医学的进步，这是一次应对未来人类社会基层全科健康管理的勇敢尝试。本研究意图借助互联网技术以及人工智能技术为多数人与医疗保健体系的互动创造一个低成本交易的途径。它的成功将使人们有机会感受并认知疾病风险的不断积累以及更多地关注疾病风险的较好控制而不是疾病本身。虚拟骨密度的创建将展示这一理念具有何等价值。目前越来越多的病例信息被存储，这或许是未来医学发展的一个方向，即如何从海量的医疗信息中挖掘出有用的信息，虚拟骨密度可能会在其中发挥非常重要的作用。本文提到的虚拟骨密度是本研究团队首创并正在反复验证的评估骨质疏松症风险的工具，通过临床体检中得到常用指标进行简单的计算方法得出虚拟骨密度，在数据库中进行分析可以预示患者骨质疏松症的风险，既简单又廉价，在基层全科应用前景广泛。