基于Logistic回归分析绝经后女性椎体压缩性骨折创建Nomogram预测模型*

朱玉平 陆冬玲 王大寿

(北京积水潭医院贵州医院1.疼痛科;2.内科一病区,贵州 贵阳 550014)

众所周知,绝经后女性骨质疏松与骨折密不可分。据研究不完全统计,至少10%的世界人口和30%的绝经后女性患有骨质疏松,50岁以上人群椎体骨折的发生率约为25%～50%,远高于髋部和腕部等。另外的文献报道50%的50岁以上女性仍有可能发生首次骨折[1-3]。骨折引起疼痛和肢体功能障碍,严重影响患者的生活质量和缩短其预期寿命,长期的卧床可能导致较高的致死率(20%)和致残率(50%)[1,4]。由此可见,椎体是骨折最常见的部位,也是造成绝经后女性发病、死亡的主要原因。鉴于绝经后女性骨质疏松并椎体压缩性骨折(Vertebral compression fractures,VCF)的人群庞大,值得社会的关注。目前仍缺乏对这一特殊人群的临床预测模型研究。基于FRAX、QFracture、BFH-OST等骨折预测工具及临床研究报道[5-8],本研究针对患者的首诊年龄、绝经年龄、外伤史、身高、体重、体重指数(BMI)、体表面积(Body surface area,BSA)、同型半胱氨酸(Hcy)、胆固醇(TC)、甘油三酯(TG)、腰椎骨密度(Lumbar spine bone mineral density,LSBMD)等临床常见因素建立简单、易用的绝经后女性椎体压缩性骨折(Postmenopausal women vertebral compression fracture,PWVCF)的Logistic回归模型,并建立Nomogram预测模型。

1 资料与方法

1.1 一般资料 回顾性分析2019年12月—2021年11月在我院以骨科疾病住院的绝经后女性患者123例,根据患者椎体是否骨折分为骨折组(n=75)和非骨折组(n=48)。纳入标准:①自然绝经女性。②病例资料完整。③首次就诊我院并首次完善LSBMD检查、首次诊断或发现VCF。④无意识障碍、智力障碍并能正常沟通。⑤肝肾功能、电解质检查正常。排除标准:①住院期间未完善LSBMD检查或生化检查者。②精神疾病不配合者。③严重心、肺、肾等疾病者。④绝经前已行子宫及附件切除术者。⑤既往或近半年内使用糖皮质激素治疗。⑥近半年服用抗骨质疏松药物治疗(如:双膦酸盐类、RANK-L受体抑制剂、鲑鱼-降钙素、雌激素及雌激素调节剂、甲状旁腺激素类似物等)。⑦既往有腰椎成形术、腰椎钉棒系统内固定术或桡骨骨折病史,影响骨矿物质代谢和骨密度(Bone mineral density,BMD)检查结果者。⑧恶性肿瘤骨转移或肿瘤侵犯导致的病理性骨折。符合纳入标准者,若出现任一条排除标准则剔除本研究。研究因素包括首诊年龄、绝经年龄、外伤史、身高、体重、BSA、BMI、TC、TG、Hcy、LSBMD。本研究获医院医学伦理委员会审批(伦理号:LW20221019)。

1.2 诊断标准 根据Genant提出的半定量法,椎体高度减少至少>20%或脊柱MRI提示新鲜微骨折影像学表现(T1WI低信号,T2WI等信号或高信号,脂肪抑制像高信号)。影像学结合患者症状(主要是背部疼痛)、体格检查(如:脊柱畸形、棘突压痛、腰部活动受限等)即可诊断VCF[1,9]。

1.3 检查方法 所有患者使用我院双能X线吸收测定法(Dual-energy X-ray absorptiometry,DXA)检查脊柱正位骨密度,取L1-L4的T值代表BMD状态。所研究病例均在空腹情况下晨起抽取3～4 mL静脉血检测生化指标(包括Hcy),所检验的血清样本由西门子ADVIA-chemistry-XPT全自动生化分析仪完成,检测试剂、质控品、校验品均由西门子公司提供。

1.4 统计学分析 采用SPSS 22.0统计软件进行分析,用两个独立样本的t检验分析计量资料,χ2检验分析分类计数资料,先分别对各研究因素进行单因素的Logistic二分类回归分析,将P<0.10的因素再纳入多因素的Logistic回归模型中分析。将多因素Logistic回归所得的独立影响因素(P<0.05)纳入到R4.2.1软件中绘制Nomogram模型,用calibrate plot绘制校正曲线,并运用C-指数和ROC曲线评判该预测模型的效果。P<0.05为差异有统计学意义。

2 结果

2.1 纳入研究患者的一般资料 共收集符合研究标准的患者123例,首诊年龄:49～93岁,平均(69.95±9.05)岁;绝经年龄:37～60岁,平均(48.4±3.76)岁;有外伤史30例,共发生VCF 75例;体重:35～83 kg,平均(56.11±10.58)kg,身高:141～170 cm,平均(154±5.1)cm;BMI:15.56～35.56 kg/m2,平均(23.62±4.03)kg/m2。按照中国成年女性体表面积计算公式:BSA(m2)=0.00586×身高(cm)+0.0126×体重-0.046 1计算患者的体表面积,结果为1.27～1.95 m2,平均(1.57±0.15)m2;Hcy:5.14～90.5 μmol/L,平均(17.61±16.71) μmol/mL;TC:1.10～8.98 mmol/L,平均(5.09±1.35) mmol/L;TG:0.62～8.48 mmol/L,平均(1.79±1.22) mmol/L;LSBMD T值:-6.1～4.0,平均-2.79±1.7。

2.2 骨折组与非骨折组一般资料比较 两组在首诊年龄、绝经年龄、外伤史、体重、LSBMD等方面比较,差异有统计学意义(P<0.05),身高、BMI、BSA、Hcy、TC、TG等方面比较,差异无统计学意义(P>0.05),见表1。

表1 骨折组与非骨折组一般资料比较

2.3 PWVCF单因素Logistic回归分析 将首诊年龄、绝经年龄、外伤史、体重、身高、BMI、BSA、Hcy、TC、TG、BMD等要素视为可能影响VCF的影响因素,并逐个要素进行单因素Logistic回归分析。结果显示:首诊年龄、绝经年龄、外伤史、体重、LSBMD等因素影响PWVCF,差异有统计学意义(P<0.05) ,见表2。

表2 PWVCF单因素的Logistic回归分析结果

2.4 PWVCF多因素Logistic回归分析 将单因素Logistic回归分析中P<0.10的影响因素纳入Logistic回归模型进行多因素分析。结果显示:首诊年龄、外伤史、LSBMD是影响PWVCF的预后独立危险因素(P<0.05)(表3),使用Graphpad 8.0对Logistic回归分析中P<0.05的因素OR值进行可视化处理,见图1。

图1 PWVCF Logistic回归分析优势比图

表3 PWVCF多因素的Logistic回归分析结果

2.5 PWVCF的Nomogram预测模型 Nomogram结果显示:首诊年龄每增加5岁,预测模型评分增加7分,表明首诊年龄越大,发生PWVCF的风险越大。

绝经后无外伤史其评分位67分,有外伤史患者其评分增加25分,LSBMD T值每下降一个标准差其评分增加10分,见图2。

图2 PWVCF的Nomogram预测模型

2.6 Nomogram的校正与验证 使用R语言中hoslem.test函数对模型进行Hosmer-Lemeshow拟合优度检验,结果显示:χ2=9.682,P=0.288(P>0.05代表拟合优度良好)。运用R语言rms包中的calibrate函数作Nomogram预测模型的校正曲线(重复1 000次偏差校正,引导平均绝对误差=0.023,n=123)(图3),曲线斜率约等于1。运用C-指数和ROC曲线判断Nomogram模型预测值与真实值的区分度,结果显示:C-指数为0.847,ROC曲线的AUC值为0.846 8(95%CI:0.773 4～0.920 3),ROC曲线最佳阈值为0.302,特异度和灵敏度分别为0.688、0.893,提示该模型具有较高的准确性,见图4。

图3 PWVCF Nomogram预测模型的校正曲线

图4 PWVCF Nomogram预测模型的ROC曲线

3 讨论

BMD与骨骼显微结构密不可分,骨小梁的数量、质量(粗细或长短)、走向以及骨小梁之间的相互连接紊乱等均可能影响BMD和骨折[10]。BMD越低代表骨组织结构越差,骨骼所承受的应力在骨小梁中分布不均匀,更易引发骨折。Bernstein等[11]曾指出股骨粗隆间骨折与BMD减低相关。Lee等[12]研究发现骨量减少和骨质疏松人群发生VCF分别是骨量正常人群的1.57倍和2.2倍。本研究预测模型得出:LSBMD T值每下降1个标准差,PWVCF评分增加10分,预示着LSBMD越低发生PWVCF的风险越高,与上述学者[11-12]报道基本一致。文献报道,最佳部位BMD的检查受体重、睡姿、优势肢体及肌肉力量等因素的影响,可能对预测骨折能力存在一定的差异[13]。常用的FRAX和Garvan等骨折预测工具均基于股骨颈BMD,而有的文献报道LSBMD在女性患者中预测骨折的能力优于股骨颈BMD[14-15]。因此,本研究单从LSBMD研究不排除存在一定的偏倚,仍需联合股骨颈、桡骨或全髋部等部位的研究进一步证实。其次,若BMD与VCF发生率不匹配时,需要补充其他因素(如:年龄、外伤史等)评估。Negreiros等[16]发现大约1/4的低BMD人群(T值<-2)存在无症状性VCF,年龄≥61岁是危险因素之一。Watt等[17]也报道BMD变化和外伤史均能影响VCF的发生。

年龄不仅影响BMD的变化,也能影响骨折的发生,在绝经后女性患者中的表现尤为突出[18-19]。Pan等[20]研究台湾65岁以上老年人骨折发现,女性发生骨折的风险是男性的2.19倍。Holloway等[21]报道,大部分女性在50岁后发生首次骨折,随着年龄的增长,骨折发生的风险也随之升高。Cui等[22]调查北京地区绝经后妇女椎体骨折,发现60岁以下女性椎体骨折患病率为13%,80岁以上年龄则上升至58.1%;Cho等[23]横断面研究韩国PWVCF与年龄的关系,其中发现50岁以上年龄段VCF发生的概率为29.5%,60岁以上年龄段其发生骨折的概率为42.2%,70岁以上年龄段为63%。各地区报道绝经后女性年龄影响VCF的发生率不一,但整体趋势呈现出年龄越大,发生率越高。分析绝经后女性易发生椎体骨折的可能原因如下[24-25]:绝经后女性的雌激素水平大幅度下降,年龄不断变老,肌肉逐渐萎缩、运动量下降也使得肌肉力量不断减弱,骨形成的刺激减少,以致BMD出现下降趋势,增加骨折的风险。结合本研究表1结果和Nomogram模型得出,骨折组年龄高于非骨折组(P<0.05),年龄每增加5岁,发生PWVCF的风险评分增加7分。进一步说明年老的患者更易发生PWVCF,与上述文献报道的结论一致。

外伤是造成骨折的重要原因之一。从表1看出,骨折组与非骨折组在外伤史方面的χ2检验差异性有统计学意义(P<0.05),Logistic回归分析也提示有外伤史的患者发生椎体骨折的风险较无外伤史者高18.5%。Nomogram模型预测骨折显示有外伤史者较无外伤史者高25分。上述结果均提示外伤确实能增加PWVCF的风险。绝经年龄虽在本研究中不影响PWVCF,但绝经后妇女无外伤史的患者Nomogram预测模型高达67分,间接说明绝经状态(是否绝经)可能影响VCF。对无外伤史患者而言,除了考虑年龄和BMD之外,不排除与某些基因的改变有关,如:Ahn等[26]研究发现绝经后妇女TS基因和MATHFR基因的3′-UTR多态性与骨质疏松及骨质疏松性VCF的易感性有关。这一观点仍需与非绝经患者及基因学进一步研究证实。

此前部分研究表明,绝经年龄、BMI、血脂水平(TC、TG)是PWVCF的危险因素[8,22,27]。但本文的Logistic回归分析显示:绝经年龄、BMI、血脂水平均无统计学差异(P>0.05),本研究与既往其他研究结果相矛盾,后续需多中心、大样本、双盲进一步研究证明。

4 结论

在评估PWVCF的过程中,应将首诊年龄、外伤史、LSBMD状态常规作为VCF的重要危险因素。C-指数和AUC值大于0.7以上,本研究构建PWVCF的Nomogram预测模型具有较高准确性,提高判断高危人群的效率,为PWVCF的早期预防和诊断提供一定价值。