文摘

目的。骨质疏松性VF常无症状,不仅影响女人也是男人。识别高危患者早期管理和预防至关重要。BMD和TBS的测量骨强度和小梁的微体系结构,分别。他们的角色在VF预测男性的研究更少。我们决定BMD和TBS男性骨质疏松性VF的预测能力。方法。共有115名男性参与者的泰国发电权威(EGAT)军团没有VF的历史在2012年完成了基线BMD和TBS测量和胸腰椎脊柱x光照片在2017年被招募。VF是评估使用问题半定量的方法。逻辑回归分析来确定与骨折相关的因素。接收操作曲线下的面积(AUC)分析定义VF预测能力。结果。四十个科目(34.78%)VFs。未经调整的相对风险(95%置信区间)为一个标准差VF TBS下降和低TBS分别为1.319(1.157 - -1.506)和2.347(1.496 - -3.682),分别BMD和年龄调整后仍然显著。VF预测,结合模型有AUC大于模型从单变量预测。使用低TBS,股骨颈骨密度、年龄和提供最好的AUC (0.693)。结论。BMD和TBS可以预测骨质疏松性VF男性EGAT员工。使用弹道导弹防御和TBS VF预测过程改进的预测能力。

1。介绍

骨质疏松症是一种疾病,其特征是低骨量和microarchitectural骨组织的恶化,导致增强骨骼脆弱和脆弱或骨质疏松性骨折的风险增加1,2]。这是一个重要的全球健康问题影响不仅女人也是男人。大多数骨质疏松性骨质疏松性骨折患者症状不明显,经常表现为一般在臀部,脊椎,或手腕3]。大约33%的女性和20%的男性年龄超过50年将会受到骨质疏松性骨折的剩余寿命(4]。

椎骨折(VF)是最常见的骨质疏松性骨折临床关注,但它经常不来导致underdiagnosis [5]。有些病人随后显示生理和心理疾病,降低生活质量,包括慢性背部疼痛、畸形,呼吸功能障碍和焦虑(6- - - - - -8]。

骨矿物质密度(BMD),通常用双能x线吸收仪(DXA对),用作骨质疏松性诊断工具(3]。此外,有一个间接小梁指数微体系结构被称为骨小梁得分(TBS),由像素灰度变化的无创评估二维腰椎测定仪的形象。小梁TBS与力量的微体系结构和不依赖于弹道导弹防御9]。增加骨折风险评估工具的TBS (FRAX®)可能进一步调整臀部和FRAX-probability主要在绝经后妇女和老年人骨质疏松性骨折10]。

多项研究表明,BMD和TBS与VF相关联(11- - - - - -17]。每个BMD和TBS可用于VF预测(13- - - - - -17),这两个值的组合进一步提高了预测(13- - - - - -15]。大多数以前的研究主要集中在女性(11,13- - - - - -15,17),其中只有两个男人(学习12,16]。

本研究旨在确定BMD和TBS男性骨质疏松性VF的预测能力。

2。材料和方法

2.1。研究对象

研究人口的来源由男性现任和前雇员的总部发电(EGAT),泰国曼谷,参与EGAT 1/5和1/6 EGAT群组研究。队列配置文件被描述在一个以前的报告(18]。这个骨骼健康研究扩展从一群原本专注于心血管疾病的风险因素。

流程图的招聘和后续呈现在图1。1/5 1183人参与EGAT队列研究,2012年,507年(42.86%)接受了DXA对扫描。507人,16日被排除在外,因为他们的基准信息,372在EGAT失访1/6 2017年队列研究,4人被排除在外,因为无法侧胸腰椎脊柱x光照片,留下最后分析共115人。没有人报道高能量骨折的历史在2017年以下队列研究。


图1
流程图的招聘和随访。

该研究机构审查委员会批准和人权委员会相关涉及人体受试者的研究Ramathibodi医院,Mahidol大学医学院。所有科目提供书面知情同意之前的毕业典礼EGAT 1/5和1/6群组研究。

2.2。弹道导弹防御评估

所有的受试者都接受在腰椎BMD评估(L1-L4椎骨)和髋部(股骨颈(FN)和全髋关节(TH))。快数组中所有测量程序的操作模式是由国际社会对临床Densitometry-certified密度计技术人员使用相同的Hologic发现W DXA对扫描仪在所有科目(Hologic,贝德福德,MA)。质量保证程序使用脊柱幽灵每日进行。

腰椎(LS)、TH和FN t指数计算使用平均值和标准偏差(SD)为20 - 29岁的女性非西班牙裔白人从2005 - 2008年全国健康和营养调查(19]。根据世卫组织标准(20.),每个站点的t指数和t指数最低的是分类为正常(≥−1),低骨量(−1和−2.5)之间,或骨质疏松症(≤2.5−)。

2.3。TBS评估

TBS是获得基线LS DXA对图像从2012年使用TBS iNsight软件2.1版本(Medimaps、Merignac、法国)。TBS≤1.200被认为是退化的微体系结构如前所提出的(9]。使用这个截止,我们分类参与者分成两组:低TBS(≤1.200)和高TBS (> 1.200)。

2.4。影像学评估

在2017年EGAT 1/6队列研究,侧胸腰椎脊柱射线照片从所有参与者。

核医学医师(CSa)后得到了VF评估训练肌肉骨骼放射科医师在使用问题半定量的方法(PF) [21),核医学医师之间的协议研究和肌肉骨骼放射科医生是由独立审查34射线照片的主题,所选择的系统随机抽样,裂缝的存在。协议0.80,随后核医学医师审查所有的脊椎射线照片将参与者分成两组:有或没有VF。在诊断的不确定性的情况下,与肌肉骨骼放射科医生进行咨询。

2.5。统计分析

所有统计分析使用占据(16)版本。一个 值为0.05时被设置为阈值的统计意义。连续变量被报道与SD和分类变量均值报告为数量和百分比。组间差异变量参与者之间有或没有VF是取决于学生的t以及连续变量和卡方或确切概率法分类变量。单变量和多变量逻辑回归模型应用于评估预测VF表达相对风险的95%置信区间。变量的统计显著性单变量分析和临床意义包含在多变量分析中。每个裂缝预测模型的能力是由接收操作曲线下的面积(AUC)和95%置信区间。使用DeLong auc比较测试。此外,骨质疏松的患病率VF TBS和LS t指数分类的水平或最低t指数组计算。

3所示。结果

3.1。研究对象的描述

这项研究包括115名男性参与者,40(34.78%)的人至少有一个VF在随访。基线特征的参与者有或没有VF展示在表1。总平均身高、体重、身体质量指数(BMI)±SD在基线164.0±4.9厘米,65.8±9.4公斤,24.4±3.2公斤/米2,分别。总平均身高、体重、BMI±SD在随访164.1±5.0厘米,64.8±9.8公斤,24.0±3.3公斤/米2,分别。总的来说,参与者在随访(体重和体重指数明显降低 )。

表1
基线特征的参与者有或没有椎骨折。

平均基线TBS, LS-BMD、TH-BMD FN-BMD±SD的参与者分别为1.303±0.086,0.929±0.132克/厘米2,0.911±0.122克/厘米2和0.675±0.092克/厘米2,分别。那些VF的年龄( )和有一个显著降低TBS ( )和LS-BMD ( )相比之下,那些没有VF。有更多参与者低TBS ( )VF组。在LS没有统计学差异,FN, TH, t指数最低的组确认。

3.2。椎骨折患病率

受试者TBS分类的水平(低和高TBS)和t指数组(正常、低骨量和骨质疏松症从LS和t指数最低),患病率是计算如图2。VFs被发现的高患病率低TBS组的价格相比高TBS组在所有正常,低骨量,骨质疏松性组织。

(一)
(一)
(b)
(b)
图2
(a)患病率参与者椎骨折的分类水平的骨小梁得分(TBS)和腰椎(LS) t指数组。(b)椎骨折患病率在参与者分类TBS和t指数最低的水平。
3.3。逻辑回归分析

所有变量的单变量logistic回归分析显示,年龄、TBS,低TBS, LS-BMD,骨质疏松性LS与VF(表t指数有显著相关2)。增加一年的年龄,one-SD TBS LS-BMD,下降和低TBS与增加有关VF(所有的相对风险 )。骨质疏松性LS t指数也增加了VF的风险比正常LS t指数( )。

表2
单变量相对椎骨折的风险预测。

多元逻辑回归分析显示,当调整TBS和低在任何网站,以年龄和BMD TBS的调整相对风险VF仍然显著(表3)。

表3
Multivariate-adjusted椎骨折的相对风险one-SD TBS和BMD下降,增加一年期的年龄。
3.4。椎骨折预测能力

表4显示了模型的预测能力VF合并几个变量的AUC (95% CI)。TBS的所有组合模型或低TBS, BMD的任何网站,和年龄auc大于模型基于单个变量或任何网站和年龄的BMD。然而,低TBS的组合模型,FN-BMD,和年龄,提供一个AUC为0.693,是唯一模式,大大提高了AUC而低TBS或独自FN-BMD ( )。的AUC(95%置信区间)的组合模型FN-BMD和低TBS为0.653 (0.545 - -0.760)。将低TBS和FN-BMD预测显著提高模型的AUC基于FN-BMD ( )。将TBS或低TBS纳入任何网站的BMD的组合模型和年龄没有auc显著改善。

表4
AUC的预测(95% CI)椎骨折在TBS one-SD减少和增加BMD和一年期的年龄。

4所示。讨论

骨质疏松症是一种最重要的健康问题在两个年长的女性和男性。它经常导致骨质疏松性骨折,这通常发生在脊柱。骨质疏松性VF常无症状,导致underdiagnosis和处理不足5]。因此,骨质疏松性VF风险评估对于早期预防和治疗是至关重要的。回顾性队列研究调查了115名男性EGAT员工有无VF。结果显示,TBS和BMD可以预测骨质疏松性VF。

TBS,低TBS, LS-BMD明显不同参与者之间有或没有VF。在单变量分析中,one-SD减少LS-BMD VF的风险显著增加。这个结果与之前的研究结果相一致的男人(12)和女性(11,13- - - - - -15,17]。年龄和骨质疏松性LS t指数也显著增加风险,类似于人的一项研究[12]。无论是TH-BMD还是FN-BMD显示一个重要协会与VF在目前的研究中,这是不同于一些研究[11- - - - - -13因为越来越不同的科目。例如,罗格朗等人只关注男性与一个LS t指数低于−1.5,而目前的研究包括LS t指数的所有分类。降低one-SD VF的TBS显著增加风险,像先前的研究在男性16)和女性(13- - - - - -15,17]。一个低TBS也增加了风险。这一发现是可比的研究在女性50岁以上的汉斯et al。13),报告增加骨质疏松性骨折为主要优势比在TBS tertile最低。

在多变量分析中,我们发现了一个明显的风险增加的VF one-SD TBS下降和低TBS在调整了年龄和BMD在任何网站。我们的研究结果支持先前的研究在老年男性22),主要报道,TBS与骨质疏松性骨折,可以结合FRAX骨折风险评估。在VF的所有组合模型预测中,只有低TBS的模型,FN-BMD和年龄显示显著改善预测模型相比,预测低TBS或者FN-BMD并提供最好的AUC本研究。添加一个低TBS FN-BMD组成的模型和年龄没有表现出显著增加AUC,可能由于小数量的科目。然而,使用FN-BMD和低TBS与单独使用FN-BMD相比显著提高预测。这个发现强调一个额外的好处在VF危险分层,通过融合一个低TBS预测模型。

所有三个TBS的模型相结合,BMD的网站,和年龄AUC比单变量模型,与其他研究相比女性(13- - - - - -15)报道,将TBS和BMD显示更好的预测性能比单独使用这两种预测。然而,他们并没有显示出显著改善AUC,和他们的AUC小于上述研究表所示5。除了性别不同,这可能是由于更少的主题和本研究随访时间较短。

表5
AUC (95% CI)预测椎骨折与两个以前的研究相比,本研究[13,14]。

更高的VF患病率那些低TBS在所有的组分类LS和t指数最低,证明了TBS椎骨折是一个独立的危险因素。这个结果支持先前的研究在男性TBS报道,增加的比例普遍较低的射线椎骨折(22),有更大的损失小梁连接与脆弱男性骨质疏松性骨折比那些没有脆弱性骨折(23]。不像那些高TBS, VF的患病率在LS和最低的组分类t指数(正常、低骨量和骨质疏松症)与低TBS以有序的方式不会增加由于小数量的科目。例如,只有一个主题与正常组的低TBS LS t指数和低TBS的组t指数最低,和主题也有中等程度的VF。因此,计算VF患病率为100%。

这项研究有一些局限性。首先,受试者的数量是有限的。有1183人参加了2012年的队列研究,但是只有507人完成了BMD评估因为有有限的时间进行DXA对扫描。由于长老的物理性能,它花了很长时间为主题定位扫描。他们中的许多人失访的队列研究,2017年和一些未能获得胸腰椎脊柱射线照片,留下这一本研究共有115人。第二,x光照片质量妥协在一些地区的胸腰椎脊柱,可能导致评估结果偏差。然而,这只有3.3%的胸腰椎椎骨的影响。最后,选择偏见。本研究考察了男性EGAT员工,城市中产阶级的代表,这不是一个好泰国人口的代表性样本。需要进一步更大的前瞻性研究证实一般泰国人口预测能力。

5。结论

BMD和TBS可以预测骨质疏松性VF男性EGAT员工。使用弹道导弹防御和TBS VF预测过程中提高了预测能力。

数据可用性

使用的数据来支持这项研究的结果可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

这项研究得到了国家研究型大学计划和研究促进高等教育项目,高等教育委员会办公室和泰国研究基金(# RTA180009)。