肌肉含量指标预测社区人群骨质疏松症风险研究

杨秀琳 马斌 莫晓丹 马力扬 海向军*

1. 西北民族大学医学部，甘肃 兰州 730030 2. 西北民族地区环境生态与人群健康国家民委重点实验室，甘肃 兰州 730030

骨质疏松症( osteoporosis，OP) 是最常见的骨骼疾病之一。中国是世界上老年人口绝对数最多的国家，OP已成为中国面临的重要公共健康问题。虽然OP可防、可治，但OP诊疗率、整体诊治率均较低，加强对危险人群的早期筛查与识别是中国OP的防治重要策略[1]。国内外研究[2-5]均发现，肌肉量是重要的影响骨密度(bone mineral density, BMD)、骨强度及OP发病的因素。目前，一些研究[6-11]已开始通过分析肌肉量指标预测人群老化情况、制定肌少症诊断标准及分析其与BMD之间的关系，但通过检测社区人群肌肉量指标预测OP风险的研究不多。本研究拟通过评价各肌肉量指标与OP的相关性，分析其预测OP风险的效果，为进一步识别OP高危人群提供参考。

1 对象和方法

1.1 研究对象

于2016年7月至2020年12月，通过社区体检选取来自甘肃省兰州市、临夏州东乡县、天祝县及张掖市的常住人口为研究对象。要求研究对象活动正常，能配合各项检查，未患影响骨代谢的疾病或长期服用影响骨代谢药物。最终获取符合条件的研究对象3 151名，其中男性1 173名，女性1 978名，年龄最小的12岁，最大的90岁，平均47.54岁。

1.2 研究方法

1.2.1肌肉量相关指标测量：应用日本MC-180生物电阻抗体成分分析仪，分别测量受试者四肢肌肉量，并在此基础上计算如下指标[6,9-11]：①四肢骨骼肌肉量(appendicular skeletal muscle mass，ASM)：即双上肢与双下肢骨骼肌量总和(kg)；②四肢骨骼肌指数(appendicular skeletal muscle mass index，ASMI)：ASM( kg) 除以身高( height，Ht) 的平方, 即ASM/Ht2(kg/m2)；③四肢骨骼肌体重比(skeletal muscle index,SMI)：ASM占体重的比值，即ASM/Weight；④四肢骨骼肌BMI比：ASM-to-BMI ratio，亦作ALMBMI，即ASM/BMI。

1.2.2骨强度测量：采用日本GE EXPRESSⅡ超声骨密度仪，测量部位为右脚跟骨，要求受试者脱去右足鞋袜，足部紧贴测量凹槽，所得数据通过软件存储在计算机并通过excel表格导出。测量指标包括：骨强度指数、T 值等。

1.2.3骨质疏松症诊断标准：根据OP诊断标准[12]：-1.0≥T>-2.5为骨量减少，T≤-2.5为OP。

1.2.4研究对象分组：不同性别研究对象根据其T值，分别分为骨量正常组(T>-1.0)，骨量减少组(-1.0≥T>-2.5)及OP组(T≤-2.5)。

1.2.5伦理学问题及知情同意：本研究经西北民族大学医学伦理委员会审查通过。研究前向研究对象讲解研究目的、意义，并向研究对象保证所有个人隐私均会严格保密。所有研究对象均自愿参加本研究，并均已签署知情同意书。

1.3 统计学分析

应用SPSS20.0统计软件进行统计学分析，采用描述性统计分析、两组独立样本t检验、方差分析、卡方检验、受试者工作特征曲线分析(ROC曲线)及Logistic回归分析法分析数据。通过AUC值反映ROC曲线预测效果，AUC取值在0.5～1.0之间，越接近1.0，预测效果越好。

2 结果

2.1 不同性别研究对象各指标比较

结果显示，男性骨强度指数、ASM、ASMI、SMI、ASM-to-BMI ratio均高于女性，差异有统计学意义(P=0.000)，见表1。

表1 不同性别研究对象各指标比较

2.2 不同骨质情况研究对象肌肉量指标比较

男性OP组ASM、ASMI、ASM-to-BMI ratio低于骨量正常及骨量减少组，差异有统计学意义(P<0.05)，但SMI在不同骨质组中差异无统计学意义(F=1.454，P=0.234>0.05)；女性OP组ASM、ASMI、SMI及ASM-to-BMI ratio均低于骨量正常组，差异有统计学意义(P<0.05)。见表2。

表2 不同骨质分组研究对象各指标比较Table 2 Comparison of different indexes in different bone mass groups

2.3 肌肉量指标预测OP的ROC曲线分析

结果显示，男性及女性ASM、ASMI、SMI、ASM-to-BMI ratio预测OP的ROC曲线下面积(area under the curve，AUC)均有统计学意义(P<0.05)。依照约登指数(灵敏度+特异度-1)最大的原则确定最佳切点值，得出上述肌肉指标预测OP的切点值分别为：ASM：男19.550 kg，女16.350 kg；ASMI：男7.523 3 kg/m2，女6.463 3 kg/m2；SMI：男0.327 5，女0.281 6；ASM-to-BMI ratio：男0.898 6，女0.708 8。见表3。

表3 肌肉指标预测骨质疏松症的ROC曲线分析结果Table 3 ROC curve analysis of muscle mass indexes in predicting osteoporosis risk

2.4 肌肉指标预测高血压风险的Logistic 回归分析

2.4.1单因素Logistics回归分析：以是否OP为因变量(非OP=0，OP=1)；分别以ROC 曲线分析中AUC有统计学意义的肌肉指标为自变量，以各指标大于切点值为参照组。结果表明，男性ASM、ASMI、SMI、ASM-to-BMI ratio四个指标小于等于切点值者患OP的风险分别是切点值以上者的6.050、4.299、2.177及2.113倍；女性ASM、ASMI、SMI、ASM-to-BMI ratio小于等于切点值者患OP风险分别是切点值以上者的5.211、3.160、2.897及4.689倍。见表4。

表4 各肌肉量指标预测OP的单因素Logistics回归分析结果Table 4 Univariate logistics analysis of muscle mass indexes in predicting the incidence of OP

2.4.2多因素Logistic回归分析：以是否OP为因变量(非OP=0，OP=1)，以单因素Logistic回归分析中有统计学意义的ASM、ASMI、SMI、ASM-to-BMI ratio为自变量，Enter法选择自变量进行分析。结果显示，男性进入模型的变量为ASM及ASMI，男性ASM≤19.550者患OP风险是ASM>19.550的3.476倍，ASMI≤7.523者患OP的风险是ASMI>7.523的2.047倍；女性进入模型的变量为ASM、ASMI及ASM-to-BMI ratio：ASM≤16.350、ASMI≤6.463及ASM-to-BMI ratio≤0.709者患OP风险分别是AMS>16.350、ASMI>6.463及ASM-to-BMI ratio>0.709者的2.629、2.061及3.442倍。见表5。

表5 肌肉量指标预测OP的多因素logistics回归分析Table 5 Multivariate logistics analysis of muscle mass indexes in predicting the incidence of OP

2.5 不同肌肉量指标组合研究对象OP检出率

根据多因素Logistic回归分析中男、女性有统计学意义的肌肉量指标并结合ROC曲线切点值，将ASM、ASMI及ASM-to-BMI ratio(仅针对女性)分为正常组(-)即大于切点值组、过低组(+)即小于等于切点值组。结果发现，男性ASM与AMSI均(-)组OP检出率最低(4.38%)，ASM(+)与ASMI(+)组OP检出率最高(26.60%)，差异有统计学意义；女性ASM(-)、AMSI(-)、ASM-to-BMI ratio(-)组OP检出率最低(0.88%)，ASM(+)、AMSI(+)、ASM-to-BMI ratio (+)组OP检出率最高(23.78%)，差异有统计学意义。见表6。

表6 不同肌肉量指标组合的OP检出率[n(%)]Table 6 The OP incidence in different muscle mass indexes combination groups [n(%)]

3 讨论

适当的力学刺激和负重有利于维持骨重建，肌肉的机械负荷也是维持BMD 的重要机制。肌肉量可能通过机械负荷调节骨量[13]，是预防OP的重要保护因素[5]，而肌肉萎缩引起的机械负荷下降会诱发骨质流失[14]。虽然肌肉量与OP间关系的研究较多，但尚需在此基础上深入分析与OP相关的肌肉量指标在预测OP风险中的意义。本研究纳入近年来国内外提出并广泛使用的四项反映肌肉量的指标，即ASM、ASMI、SMI和ASM-to-BMI ratio，分析这些指标预测OP的效果。

四项指标中，ASM是四肢骨骼肌肉量的总和，是反映肌肉量的直接指标，但由于肌肉量与体型、体表面积有关，为了消除体型因素对肌肉量的影响，国内外研究者[9-11]提出ASMI、SMI及ASM-to-BMI ratio三个肌肉量校正指标，这三个指标分别校正了身高、体重及BMI对肌肉量的影响。目前，这些代表肌肉量的指标主要用于肌少症的诊断切点值分析[7,9-11]、制定骨骼肌含量正常参考值[15]及反映人体老化状况[6]等研究，较少用于OP风险预测研究。本次研究发现，这四项反映肌肉量的指标存在性别差异，男性均高于女性，符合男性与女性体成分差异特点。骨强度指数是综合反映骨的几何结构、骨密度、骨骼的材料性能、体重及骨骼所受外力等因素的指标[16]，由超声骨密度仪通过测定超声波传导速度(SOS)与超声振幅衰减系数(BUA)所得，对预测OP有一定的优势，近年来成为很多OP防治研究中的重要指标。本研究通过比较不同性别骨强度指数发现，男性骨强度指数高于女性，亦符合不同性别骨质量差异。

本研究发现，男性除SMI外，OP组其他三个肌肉含量指标均低于骨质正常组；而女性中，OP者ASM、ASMI、SMI及ASM-to-BMI ratio四个指标均低于骨量正常组，初步印证了肌肉量对OP的保护意义。在此基础上，本次研究通过ROC曲线分析和单因素Logistic回归分析，分别找出了预测男性及女性OP风险的四个肌肉量指标切点值及小于等于各指标切点值者较切点值以上者患OP的风险。从单因素分析结果来看，四个指标以切点值分类后，对男性与女性预测OP风险均有意义，其中，男性和女性与OP风险关联强度最高的肌肉量指标均为AMI，而关联强度最低的指标在男性与女性中不同，女性为SMI(2.897倍)，男性则为ASM-to-BMI ratio(2.113倍)。

在单因素Logistic回归分析的基础上，将有统计学意义的所有指标共同纳入多因素Logistic回归分析，结果发现仅ASM及ASMI是预测男性OP风险的指标，两个指标小于等于切点值者患OP风险分别是高于切点值者的3.476倍及2.047倍。Xu等[8]一项针对40岁以上中国男性的队列研究指出，除颅骨BMD外，ASM与全身其他部位BMD均成正比，与本研究结果发现的ASM是良好的预测男性OP风险的肌肉指标结果相印证。对于女性而言，小于等于切点值较高于切点值者患OP风险最高的指标为ASM-to-BMI ratio(3.442倍)。也就是说，ASM-to-BMI ratio是预测女性OP风险关联强度最高的肌肉指标，但却不是预测男性OP风险性的指标。Spira等指出，低ALMBMI(即ASM-to-BMI ratio)男性发生肌无力的危险性要比低ALMBMI女性发生肌无力的危险性更低[17]，而肌肉力量(反映肌肉的功能状况的指标)是重要的影响骨量的指标，与BMD成正相关[18]。因此，本次研究发现的“ASM-to-BMI ratio是否低于切点值对于预测女性患OP的风险有重要意义，但却不是预测男性OP风险的预测指标”这一结果也侧面印证了Spira的研究结果。分析其原因，可能与不同性别体成分差异有关：BMI是重要的衡量肥胖的指标，BMI标化肌肉量较其他肌肉量校正指标如ASMI更能反映出身体瘦组织与脂肪比例[19]，而女性体成分中脂肪含量较男性高，因此，对于女性而言，BMI标化ASM较其他肌肉量标准化指标对于一些与肌肉量相关的慢性病预测能力更强。此外，本研究结果显示，ASMI对男性及女性OP风险预测均有统计学意义，与国内吴小宝等[20]针对绝经后女性的研究发现的“ASMI 和BMD 之间无相关性”研究结果有矛盾。分析其原因，可能与两项研究的研究对象不同有关，吴小宝等人的研究对象为绝经后妇女，但本研究女性对象还包括青年、中年女性。提示未来研究还需扩大样本量，对研究对象进行年龄分层，针对不同年龄层逐一深入分析。

分别联合应用多因素分析中对预测男性及女性有意义的肌肉含量指标，分析不同指标阳性(小于等于切点值)及阴性(大于切点值)组合者OP检出率，结果发现男性检出率最高的组合(ASM与ASMI均为阳性，检出率26.60%)是检出率最低组合(ASM与ASMI均阴性，检出率4.38%)的6.07倍；女性中OP检出率最高组合(23.78%)是检出率最低组合(0.88%)的27.02倍。提示在未来工作中，对于男性和女性分别联合应用ASM与ASMI及ASM、ASMI与ASM-to-BMI ratio，能够更高效识别OP高危人群。而该结果也进一步证实，增加运动量，提高肌肉量，是降低OP风险的重要措施。

虽然本研究应用目前国内外最主要的衡量肌肉量的指标深入分析各指标预测OP风险的意义，但依然有不足之处：首先，诊断OP的金标准为双能X线(DXA)BMD检查，但由DXA检查成本较高，仪器昂贵且不便携带，难用于基层大样本普查，因此本研究采用超声骨密度仪所得T值进行OP诊断，虽然该检查不是诊断OP的金标准，但对于初探各肌肉量指标对于OP的风险预测有一定意义；其次，目前国内外研究对于肌肉量与肌肉功能(如握力)哪一个指标才是骨量的影响因素尚存在一定争论。有研究[19]认为，肌肉功能而非肌肉量才是影响骨量、预防OP的重要因素，本研究仅分析了肌肉量指标对OP风险的预测意义，未能将握力等反映肌肉功能的指标纳入分析；再次，OP的高发人群主要是绝经后女性及老年人，而本研究为探索肌肉指标对OP的预测意义，将社区12～90岁年龄段人群均纳入为研究对象，尚缺乏针对性，这可能也是导致AUC虽然大多有统计学意义、但预测效果不高的原因。因此，在未来的研究中，需要通过DXA检查并纳入肌肉功能状态指标，对不同年龄段研究对象进行分层，尤其是针对OP患病的高危人群展开专门研究，进一步分析肌肉量对OP防治、风险预测的意义。