骨質疏松患者骨折風險評估工具及分級的研究進展

張紅霞，楊巧巧，黨晨珀，任 潔

（解放軍聯勤保障部隊第九四〇醫院運動醫學科1，泌尿外科2，甘肅 蘭州 730050）

根據2018 年國家衛生健康委員會組織的流行病學調查結果顯示，骨質疏松癥（osteoporosis，OP）已經成為我國中老年人群的重要健康問題，50 歲以上人群骨質疏松癥患病率為19.2%[1]，骨折是骨質疏松癥最嚴重的后果。骨質疏松性骨折（osteoporotic fractures，OPF）是低能量或非暴力骨折，指在日常生活中未受到明顯外力而發生的骨折，亦稱脆性骨折[2]。OPF 危害巨大，是老年患者致殘和致死的主要原因之一[3]，發生髖部骨折后1 年之內，20%患者可能死于多種并發癥，約50%患者致殘，嚴重影響生活質量[4]。OPF 的發生也將增加醫療負擔，據報道[5]，我國50 歲以上人群在2010 年大約有233 例OPF發生，花費將近94.5 億美元，到2050 年或將增加599 萬例，預計花費254.3 億美元。因此，針對OP 人群進行骨折風險評估，從中發現高危人群，對OPF的防治具有重要意義。OPF 風險評估主要包括診斷技術和風險評估工具，診斷技術主要以測量骨密度（bone mineral density，BMD）為主[6]。BMD 是預測骨折風險的重要指標[7]，但骨折風險的多因素特性意味著BMD 不能反映骨折風險的非骨骼決定因素，應考慮獨立于BMD 的臨床危險因素，因此不建議僅使用BMD 檢測進行高危人群篩查。OPF 風險評估工具作為一種非介入的篩查方式，包含了多種臨床危險因素，且簡便易用，可在臨床推廣應用。危險因素評估及高危人群篩查是預防OPF 的“第一道關口”，同時也需注意骨折風險評估分層，針對不同風險給予不同的干預管理，做好骨折的二次預防。本文就OPF 風險評估及分級的研究現狀展開綜述，包括常見風險預測模型、風險評估分級以及展望，以期為高危人群的篩查和管理提供參考。

1 OPF 的危險因素及評估意義

1.1 危險因素 《中國老年骨質疏松癥診療指南（2018）》[8]指出，OP 及脆性骨折危險因素包括遺傳以及環境等多方面因素，主要分為不可控因素與可控因素。其中，不可控因素包括年齡、脆性骨折史、家族脆性骨折史以及過早停經史（＜45 歲），可控因素包括不健康的生活方式，如低BMI、大量飲酒（＞2 U/d）、高鈉攝入、低BMD、鈣和（或）維生素D 攝入減少、制動、吸煙、低體力活動、跌倒等；影響骨代謝的疾病，如多種內分泌系統疾病、風濕免疫系統疾病等；影響骨代謝的藥物，包括促性腺激素受體激動劑、質子泵抑制劑、糖皮質激素等。一項針對我國原發性骨質疏松癥危險因素的研究顯示[9]，年齡、BMI、吸煙、性別、女性絕經狀況作為原發性骨質疏松癥的危險因素已達成共識，而飲酒、飲茶等相關因素是否為原發性骨質疏松癥的危險因素仍存在一定爭議。

1.2 評估意義 骨折是OP 最嚴重的結局，其中髖部骨折具有高致死率及致殘率。因此，早期識別OPF高危人群非常重要。風險評估的最終目的是預防骨折發生，綜合以上危險因素建立的骨折風險預測模型，可用于人群篩查骨折高危人群。護士在獲取病史以及進行危險因素的評估上發揮著關鍵的作用，對患者進行風險評估，根據評估結果進行分級管理干預，給予有效防治，可取得更好的成本效益比。

2 常用OPF 風險預測模型

2.1 國外OPF 風險預測模型

2.1.2 英國的QFracture（QFracture Calculator）QFracture 是英國學者Hippisley-Cox J 等[19]于2009年推出的骨折風險計算器，在2012 年進行更新，主要用于計算30～85 歲人群1～10 年內MOF 或僅HF 的累積發病率，可由https://qfracture.org 獲得計算模型。QFracture 計算器基于Cox 比例風險模型構建，通過Dagan N 等[20]的外部驗證以及同一數據庫中120 萬人數據的內部驗證，被證明在預測英國人口的MOF 上比更準確。最終的模型包括17 個女性的危險因素和12 個男性的危險因素，與不同的是，QFracture 算法不考慮BMD 或骨折史，但包含更詳細的信息，如心血管病史、慢性阻塞性肺疾病、糖尿病等變量，全面預測骨折的能力較高，女性AUC 為0.89，男性AUC 為0.86[21]。在OPF風險預測中，如果未來10 年女性和男性的預測結果高于11.1%和2.6%，則視為OPF 高危人群。雖然QFracture 在多項薈萃分析研究中都得到較高的評價，但該工具是基于英國和愛爾蘭人群數據構建，在外推時需進一步驗證。

2.1.3 澳大利亞的Garvan（Garvan Fracture Risk Calculators，FRC）Garvan[22]是由澳大利亞科研機構于2008 年推出的骨折風險計算器，主要用于計算60歲以上個體5 年或10 年的OPF 風險，可由www.garvan.org.au 獲得計算模型。Garvan 基于國際知名的Dubbo 骨質疏松流行病學數據研發，使用Cox 比例風險模型設計了2 種預后模型：模型1 包括年齡、BMD、既往骨折和跌倒；模型2 包括年齡、體重、既往骨折和跌倒，通過了3 個國家6 項研究的驗證，是研究較多的OPF 預測工具之一。模型2（不加入BMD）的女性AUC 為0.72、男性AUC 為0.74，均低于模型1（加入BMD），但兩模型的總體AUC 與接近，對OPF 風險評估的準確性無明顯差異[23]?；谝陨涎芯浚谠u估過程中骨折的干預閾值設置為評估對象的MDF≥20%或HF≥3%。作為首個預測個體OPF 風險的工具，適合用于個體化的短期和中期骨折風險預測，識別高危個體進行干預，以減少一般人群的骨折負擔。Garvan 所需的危險因素容易獲得且無需繁瑣的計算，具有靈活性和易用性的優勢，但是目前仍缺乏大規模、長期隨訪的前瞻性研究去驗證該工具在國內老年人群中的適用性，其外部驗證應該是以后研究的發展方向。

2.1.4 其他國家的風險預測模型 丹麥學者Rubin KH等[24]于2018 年推出的FREM（Fracture Risk Evaluation Tool，FREM），主要用于計算45 歲以上個體1年內發生主要HF 或MOF 的風險。該模型基于丹麥國家衛生登記處例行收集的數據構建，Skj?dt MK等[25]于2020 年進行了外部驗證，并在驗證隊列中顯示了良好的預測性能，這是首個利用人群注冊數據庫建立的預測模型，可以應用于風險自動化計算，在初級保健部門的常規篩查中具有推廣意義。但未考慮研究的15 年內首次骨折發生的時間，可能低估了新發骨折的風險和死亡風險。意大利學者Francesco L 等[26]于2017 推出的FRA-HS，主要用于計算40 歲以上人群10 年內發生HF 或MOF 的風險。FRA-HS 基于意大利全科醫療數據庫（HSD）開發，采用“Mille in Rete”數據庫作為獨立驗證隊列進行外部驗證，根據預測部位分為HF 模型（模型1）和MOF 模型（模型2）。FRA-HS 對HF 預測較可靠，但其對MOF 的預測準確性需要提高。FRA-HS 校準高度依賴于數據的樣本量，可能會導致高估或低估OPF 風險。該模型危險因素中未包含OPF 家族史，缺乏BMI 和吸煙數據，可能會對預測結果產生偏差。韓國學者Kim HY 等[27]于2016 年推出的KFRS（Korean Fracture Risk Score，KFRS），主要用于計算50 歲以上人群7 年內個體的OPF 風險，可通過http://www.nhis.or.kr 獲得。KFRS 基于韓國全國健康數據庫開發，但是該評估工具尚未在獨立人群中得到驗證。KFRS 作為首個基于亞洲隊列開發的個體OPF 風險預測模型，可在缺乏BMD 檢測設備的初級保健機構進行風險篩查，但該工具僅適用于韓國人群，國內外仍然需要大量的臨床研究對該工具的外推性進行驗證。

FREM、FRA-HS 及KFRS 均基于研發國家人群數據庫開發，收集患者信息快捷，可用于初級保健部門風險篩查，但由于包含危險因素眾多，需依賴臨床電子信息系統。以上預測工具各有不足，針對不同人群選擇不同的工具，才能獲得理想的預測結果。

2.2 國內OPF 風險預測模型 國內目前對OPF 風險的研究仍處于起步階段，缺乏基于本土老年人群OPF 數據構建的風險預測模型。雖然近年來出現多種評估OPF 風險的方法，但多部指南仍以WHO 推薦的進行風險評估為主，部分學者利用OP風險評估工具結合BMD 檢測方式進行OPF 的風險評估，缺乏統一的風險預測模型及干預閾值。而國內現有的OPF 風險預測模型主要基于中醫癥候要素及部分西醫臨床要素，應用人群主要針對我國漢族絕經后女性，尚不能完全滿足臨床實際應用的需求。除此之外，對男性老年人群的風險評估工具研究較少，這也應該是以后研究發展的方向。

3 風險評估分級及管理

3.1 風險評估分級 在國際分層評估趨勢下，我國多項骨質疏松癥診療指南推薦針對具有多種危險因素但未發生骨折的骨質疏松患者，可通過計算患者未來10 年發生MOF 或HF 的概率，并對風險評估結果分級[28]：任何主要骨質疏松性骨折概率＜10%的患者風險評估等級為低風險，任何主要骨質疏松性骨折概率≥10%且＜20%為中風險，髖部骨折概率≥3%或任何主要骨質疏松性骨折概率≥20%的患者風險評估結果為高風險。除此之外，最新版國際骨質疏松管理指南[29]提出極高風險的劃分，當計算骨折概率高于閾值上限，或者2 年內發生脆性骨折時，至少應被判定為高風險，甚至為極高風險。章軼立[28]結合BMD、以及其他骨折風險預測工具，制定了可供參考的我國骨質疏松性骨折風險評估路徑，對臨床醫護工作者進行風險評估及分級管理具有一定指導意義。

3.2 風險分級管理 針對OPF 風險評估結果，應選擇不同的管理措施。大多數可控的危險因素會直接影響骨生物學，導致骨密度降低，還可能通過其他機制增加骨折的風險。護理人員在評估危險因素之后，可根據患者情況進行相應的健康教育，對于可控的危險因素進行干預。

針對骨折中低風險患者，可引導患者建立更健康的生活方式以及合理使用骨骼健康基本補充劑，鼓勵患者定期進行負重鍛煉或中等強度運動，支持戒煙，減少酒精攝入；針對高風險患者，除了以上措施以外，重點在于預防跌倒以及協助患者進行抗骨質疏松治療，根據已制訂的跌倒預防路徑和指南，指導有效的評估和計劃，以及多因素干預的實施與評價，根據骨質疏松類型選擇對癥的治療藥物并定期進行再次風險評估，預防骨折發生；對于極高風險患者，應協助患者配合醫生進行促骨形成的治療，如甲狀旁腺激素等，當促骨形成療程結束停藥后，可使用骨轉換抑制劑，維持其增加骨密度和降低骨折的作用[30]。在以上任一階段中若發生脆性骨折，建議開展骨折聯絡服務（fracture liaison services，FLS）管理項目，促進初級保健提供者與二級保健提供者之間的多學科協作，實現無縫隙護理，確保對患者進行骨骼健康教育及合并癥預防健康教育的連續性，預防二次骨折。

4 總結與展望

4.1 總結 人口老齡化是目前我國面臨的嚴峻問題，OP 已經成為我國中老年人群的重要健康問題，防治OP 的主要目的在于減少骨折的發生，應重視高骨折風險人群的篩查和識別。因此，國內外開發了多種包含臨床危險因素的風險預測模型以篩查OPF 的高危人群，在眾多風險預測工具中，FRAX、Garvan和QFracture 是目前使用以及驗證最多的風險預測模型，而我國對OPF 風險預測模型的開發仍處于初步階段，值得進一步研究。在國際分層評估趨勢下，多篇指南推薦利用FRAX進行骨折風險概率評估，并根據結果進行分級管理，在多學科協作背景下，風險分層評估及管理亟待進一步優化推廣。

4.2 展望

4.2.1 選擇合適的風險預測模型，完善高危人群的初篩 OPF 風險預測模型在構建時包含危險因素不同，針對不同人群不同部位的預測能力不同，因此在選用預測模型時應多個橫向對比，以此選擇合適的OPF 風險預測模型。任何預測模型均基于本國人口的流行病學數據構建，在使用前要根據目標人群人口特征對工具內的系數進行校準，以提高預測性能。OPF 風險預測模型包含了多種臨床危險因素，且簡便易用，可用于缺乏骨密度檢測設備的初級保健部門，利用預測模型完成高危人群的初篩，針對高危人群再進一步檢測以確診，減少醫療成本的同時合理分配醫療資源，可取得更好的成本效益比。

4.2.2 建立國內OPF 流行病學數據庫，構建風險預測模型 我國幅員遼闊，人口特征的地域性差異大，可以分地區進行當地老年人OPF 的流行病學調查，借助網絡技術建立當地的OPF 數據庫，在此基礎上聯網形成全國性的數據庫。利用本土人群的流行病學數據構建適合我國老年人的OPF 風險預測工具，并開展大樣本、長期隨訪的研究進行外部驗證，確定具有普適性的干預閾值，為在全國范圍內的應用奠定基礎。

4.2.3 根據OPF 風險評估路徑，完善骨折風險分級管理 在臨床實踐中，推廣并完善現有的中國骨質疏松性骨折風險評估路徑，根據本土人群數據確定骨折風險的干預閾值?；陲L險評估結果，進行骨折風險分級，醫護人員及時給予干預，并做好綜合管理，才能最大程度地減少OPF 的風險。