骨質疏松風險評估模型的構建*

藍超華，姚衛光

(南方醫科大學衛生管理學院，廣東廣州 510515)

0 引言

骨質疏松癥與生活習慣、飲食習慣、居住環境、慢性疾病以及藥物的服用等因素存在一定的關系。中國人口基數大且人口老齡化嚴重，加上經濟快速增長帶來的生活方式改變，中國骨質疏松患者數量位列世界第一[1]。國際骨質疏松學會明確指出，如果人們采用健康的生活方式，就可以減少骨質疏松的發病風險，積極的防治行為是低投入且高效益的降低骨質疏松癥發病率的有效手段[2]。

健康風險評估是健康管理的一個重要手段，可以評估個人的健康狀況，骨質疏松風險評估模型可以預測居民未來患骨質疏松的可能性，預測相似人群骨質疏松的發生概率，為政府合理配置衛生資源管理以及制定相關政策提供科學參考[3]。學者對骨質疏松的研究通常停留在對風險因素的分析層面，比較難應用到實際工作中。預測過程比較煩瑣，實際效果不太理想。

城鄉結合部也被稱為“都市里的村莊”，是一種特殊的社區，其道路系統與排水系統較為混亂，垃圾處理不當，環境衛生情況通常不佳[4]。當地居民本身健康知識水平不足，大部分人處于新農合履蓋不到的“真空地帶”，缺少醫療保障[5]，再加上城鄉結合部公共衛生設施無法滿足該區域居民健康需求，以及政府重視不足，導致城鄉結合部居民健康問題相對于城市居民更為嚴重。本研究以廣州城鄉結合部40歲及以上的常駐居民為研究對象，篩查當地居民骨質疏松情況，分析導致居民骨質疏松的影響因素并建立疾病預測模型，預測類似人群骨質疏松的發生概率。

1 材料與方法

1.1 研究對象

按廣州城區劃分選取白云區京溪、永泰村，天河區龍洞，海珠區康樂，芳村區窖口，以及人和鎮、鐘落潭鎮、棠下鎮等城鄉結合部中40歲以上長駐居民為研究對象進行多階段抽樣調查。

1.2 調查內容

采用骨密度測定法(BMD)診斷骨質疏松，本研究使用全干式超聲骨密度儀(美國CUBA公司)測量居民的骨密度。與同種族、同性別健康成年人相比，當骨峰值降低程度不足1 SD (標準差)時表示骨密度正常；降低程度在 1—2.5 SD為骨量減少；降低程度≥2.5 SD為患有骨質疏松癥。

采用問卷調查的方式獲得居民基本情況信息：年齡、性別、文化水平、身高體重、其他慢性病患病情況、職業性質，若對象是女性還需調查其絕經年限、生育次數等；其中職業性質主要指日常工作以站為主、以坐為主或以動為主。

健康行為調查：吸煙與被動吸煙的情況，是否服用藥物以及服用藥物的品種，每周體育鍛煉次數，其中中等強度體育鍛煉30 min以上才計算在本研究中。

飲食情況：三餐是否規律、各類食品飲品的攝入量。

其他情況調查：居住環境干燥程度、是否有骨折史、骨質疏松家族史、日常排汗程度、平均每天坐著的時間、平均每天曬太陽時間、熬夜失眠情況。

1.3 統計學方法

采用SPSS 20.0 軟件對研究對象的基本情況進行描述性分析，通過單因素分析得出骨質疏松的影響因素，然后進行多因素 Logistic 回歸分析。用接受者操作特性曲線(Receiver Operating Characteristic，ROC)曲線下面積來評估模型檢驗效能，采用Hosmer-Lemeshow擬合優度檢驗(H-L檢驗)評價患病率與實際患病率擬合程度。模型建立根據Sullivan等[6]所闡述的邏輯評分(Logic of the Points System)法，該方法已被多項研究證明預測結果準確性相對較高，并且所建的模型更科學，操作更簡便[7]。

2 結果與分析

2.1 調查對象基本情況

本研究共調查2 195名城鄉結合部居民，其中健康男性510人，女性1 685人；骨質疏松癥男性患者65人，女性患者392人(表1)；男性骨質疏松和女性骨質疏松的患病率分別為 12.75%、23.26%，均高于全國平均值(男性11.8%，女性 14.2%)[1]。顯然，隨著年齡的增長，骨質疏松患病率不斷升高。年齡≥70歲的人群骨質疏松患病率最高，40—49歲年齡組男性骨質疏松患病率比女性高，在年齡≥50歲的人群里，女性患病率比男性高。

表1 骨質疏松患者年齡分布情況

2.2 骨質疏松影響因素分析

2.2.1 單因素分析

男性骨質疏松的單因素分析中，年齡組、體質指數(BMI)、工作性質、高血壓、水果攝入量、肉類攝入量、每周鍛煉次數、每天曬太陽時間的P值小于0.05，表明組間差異均有統計學意義(表2)；女性骨質疏松的單因素分析中，年齡、體質指數(BMI)、絕經年限、高血壓、水果攝入量、肉類攝入量、茶類攝入量、日常出汗量、每周鍛煉次數、每天曬太陽時間的P值小于0.05，表明組間差異均有統計學意義(表3)。

表2 男性骨質疏松單因素分析

表3 女性骨質疏松單因素分析

續表3

2.2.2 多因素分析

將單因素分析中具有統計學意義的變量進行多因素分析，最終確定男性骨質疏松Logistics預測模型為Logit (P)=4.490+1.675(60—69歲)+1.809(≥70歲)-2.143(BMI正常)-1.829(BMI超重)-1.771(工作以站為主)-1.586(工作以動為主)-2.128(水果攝入0.5—1.5 kg/周)-1.672(每天曬太陽1—2 h)-2.415(每天曬太陽超過2 h)-1.93(肉類攝入2—3 kg/周)-2.010(肉類攝入≥3 kg/周)-2.583(每周鍛煉超過3次)，具體分析結果見表4。其中OR值為相對危險度，置信區間為95% CI。

女性Logit (P)=1.309(50—59歲)+1.639(60—69歲)+2.080(≥70歲)-0.112(BMI超重)+0.105(絕經5—15年)+0.430(絕經16—30年)+1.257(≥30年)-1.083(水果攝入0.5—1.5 kg/周)+0.481(水果攝入≥3.0 kg/周)-0.703(肉類攝入1 —2 kg)-0.660(肉類攝入2—3 kg/周)-0.613(肉類攝入≥3 kg/周)-0.741(茶類攝入0—500 mL/d)+0.697(茶類攝入500—1 000 mL/d)+1.007(茶類攝入≥1 000 mL/d)-0.502(中等出汗)-0.668(大量出汗)-0.828(每周鍛煉1—3次)-1.218(每周鍛煉>3次)-0.993(每天曬太陽1—2 h)-0.617(每天曬太陽超過2 h)+0.523(高血壓)，具體分析結果見表5。

表4 男性骨質疏松影響因素Logistics回歸分析

續表4

表5 女性骨質疏松影響因素Logistics回歸分析

續表5

3 建立評估模型

3.1 影響因素評分

依據Sullivan等[6]的邏輯評分(Logic of the Points System)法，將各影響因素的回歸系數βn提取出來，并分別除以Logistics模型中的最小回歸系數βm。計算得到的結果取整數，該結果對應影響因素即該因素的危險分數。男性的最小回歸系數為-1.672，女性的最小回歸系數為0.105。最后獲得男性與女性骨質疏松風險評分表(表6)。步驟如下：

Logit (P)=β0+(β1X1/βm+β2X2/βm+

β3X3/βm+…+βnXn/βm)×βm。

計算后的系數取整，設為S，即各影響因素對應的危險分數為Sn，

即Sn≈βn/βm(四舍五入)，

總影響因素SC=S1+S2+S3+…+Sn。

經上述步驟最終模型可以簡化為只有一個自變量的新預測模型，公式為

3.2 模型應用及概率預測

男性以表6為準，女性以表7為準，根據自身情況對應骨質疏松影響因素評分表，將相關情況的分值相加，若無相關情況則不計分，最終計算的總分便可對應預測概率。結果表明：男性風險評分為-7—1，P-7=0.07%對應最低預測值，最高預測概率P1=98.90%；女性風險評分為-52—47，P-52=0.42%對應最低預測值，最高預測概率P47=99.28%(表8)。

表6 男性骨質疏松影響因素評分表

表7 女性骨質疏松影響因素評分表

3.3 設置危險分層

根據國內外對骨質疏松患病率相關信息的研究匯總，以及參考其他慢性病患病率的危險分層發現，一般將患病風險分為低危(≤10%)、中危(10%<患病率≤30%)、高危(>30%)，本研究基于更符合研究對象分值與患病情況進行危險分層設定。最終劃分結果：當男性所得分數在-7—-5分時屬于低危；得分在-4—-3分時屬于中危；得分在-2—1分時屬于高危。當女性所得分數在-52—-20分時屬于低危；得分在-20—-8分時屬于中危；得分在-8—47分時屬于高危。

表8 骨質疏松各危險評分預測概率分布表

3.4 模型預測效果驗證

當男性所得分數在-7—-5分時，研究對象實際患病率是1.61%；得分在-4—-3分時，實際患病率是14.06%；得分在-2—1分時，實際患病率是46.43%。3個危險分層的研究對象患病率都在模型預測范圍之內，說明模型得分可以預測患病風險處于哪一危險分層。

當女性所得分數在-52—-20分時，研究對象實際患病率是4.47%；得分在-20—-8分時，實際患病率是12.16%；得分在-8—47分時，實際患病率是38.54%，3個危險分層的研究對象患病率都在模型預測范圍之內，說明模型預測的危險分層較為準確。

3.5 模型效能驗證

由圖1可知，男性和女性曲線下面積ROC-AUC分別為0.894和0.837，曲線下面積均大于0.5，表明男性和女性骨質疏松風險評估模型效能較好，診斷價值較充分。在H-L檢驗中，骨質疏松風險模型的擬合優度檢驗結果，男性為2=9.849，P=0.276>0.05；女性為2=10.053，P=0.122>0.05，兩者擬合效果均較好，P>0.05可認為與實際比較吻合。

圖1 骨質疏松風險評估模型ROC曲線

4 討論

4.1 影響因素討論

根據表6得知，所有男性骨質疏松影響因素中，體育鍛煉的影響最大，其次是曬太陽的時間、水果和肉類的攝入量，這些都是骨質疏松的保護因素。根據表7得知，所有女性骨質疏松影響因素中，年齡的危險因素最大，其次是絕經年限。表明適當的體育鍛煉可以在很大程度上預防骨質疏松。這是因為鍛煉對骨骼，尤其是骨骼的形成具有更強的刺激作用[8]，與此同時，體育鍛煉還與日常出汗量有關，可以明顯降低骨質疏松的患病風險。陳健華[9]的研究也證明，充足運動活動的研究對象患骨質疏松的概率明顯低于缺乏運動活動的研究對象。

在日常生活飲食方面，與幾乎不攝入水果相比，女性每周0.5—1.5 kg水果攝入量是保護因素(OR=0.339)，而每周攝入>3 kg水果是危險因素(OR=1.618)(OR值大于1為危險因素，小于1則是保護因素)。這可能是由于攝入過多水果纖維會阻礙鈣的吸收，建議適量吃水果，但每周不超過3 kg。我們還發現，每周攝入超過1 kg的肉可降低骨質疏松的風險。與不喝茶的人相比，每天喝茶超過500 mg的人OR=2.007，說明其患骨質疏松癥的可能性是不喝茶的人的2.007倍，如果每天喝茶超過1 000 mg，OR值=2.737，即其患骨質疏松癥的可能性是不喝茶的人的2.737倍。但是喝少量茶可以預防骨質疏松癥(OR=0.477)。喝茶預防骨質疏松癥的關鍵是茶中的類黃酮具有活性，可以抑制破骨細胞的骨分離[10]。雖然本研究并未得出牛奶和鈣片是骨質疏松的保護因素的結論，但近期骨質疏松流行病學調查結果顯示，日飲用牛奶量、口服鈣片對骨質疏松起預防作用[11]，可以作為參考的預防措施。

4.2 模型實際應用

骨質疏松癥流行病學及危險因素的早期評估和預防非常重要[12]，根據本研究已構建的骨質疏松風險評估模型可以發現，若男性得分為-4—-3分，則預測患病率超過10%，已經達到骨質疏松中危風險情況。若女性得分為-8—0分，也同樣達到中危風險。建議根據居民自身得分情況，減少得分項目，采用健康的生活方式以及合理膳食來預防骨質疏松。若男性得分大于-2分，女性得分大于0分，則屬于骨質疏松高危人群，建議去醫院詳細檢查骨骼健康情況，遵循醫囑預防或治療骨質疏松。