FRAX?探討絕經后骨質疏松癥中醫證型與骨折風險的相關性研究

廖翼濤 張賢, 邱峰 劉小峰 李超

1.南京中醫藥大學,江蘇 南京 210038

2.南京中醫藥大學無錫附屬醫院,江蘇 無錫 214071

3.無錫市新吳區中醫醫院,江蘇 無錫 214145

骨質疏松性骨折(osteoporosis fracture,OF)是骨質疏松癥(osteoporosis,OP)最常見和最嚴重并發癥,會極大降低患者生活質量以及加重家庭與社會負擔[1-2]。而OF關鍵在于早期預防,預防重于治療,因此普及骨質疏松知識,針對OF的危險因素,及時采取有效的預防措施,降低骨折率是極具意義的[3]。世界衛生組織(WHO)于2008年推薦FRAX?(fracture risk assessment tool,FRAX?)運用于OF風險的預測,可以根據患者臨床骨折風險因素得到其十年內發生髖部骨折的概率(probability of hip fractures,PHF) 以及主要骨質疏松性骨折概率(probability of major osteoporotic fractures,PMOF),我國最新OP診療指南亦推薦運用FRAX?評估骨折風險,篩查OF高危人群[2,4]。然而因國情不同,FRAX?在我國應用存在一定的局限性[5-6]。此外課題組前期研究發現不同中醫證型OP患者骨折發生率具有差異性,但缺乏較為客觀的早期指標[7-8]。因此,本研究將中醫證型與FRAX?相結合,運用FRAX?評估不同證型OP患者骨折風險,從中醫辨證角度探討骨折高風險人群的臨床特征,以期更好地預防骨折發生,從而更好地發揮中醫藥辨證防治OP及OF的優勢。

1 材料和方法

1.1 研究對象

選取2021年12月至 2022年3月于南京中醫藥大學附屬無錫中醫醫院骨傷科門診絕經后骨質疏松癥患者125例。納入標準:絕經后骨質疏松癥患者(OP診斷依據:骨密度T值≤-2.5診斷為骨質疏松癥);依據《骨質疏松癥中西醫結合診療指南》[9]將OP患者分為脾腎陽虛、肝腎陰虛、腎陽虛及血瘀氣滯4組;患者接受檢查并自愿簽署研究知情同意書。排除標準:患有可能引起繼發性骨質疏松的疾病或長期服用可能引起繼發性骨質疏松的藥物的患者;患有精神障礙,無法配合研究。本研究已取得醫院倫理委員會批準。

1.2 研究方法

1.2.1記錄一般臨床資料:患者性別、年齡、BMI指數、既往骨質疏松性骨折史、父母骨折史、煙酒史、長期使用糖皮質激素、類風濕關節炎史、其他繼發性骨質疏松史等臨床危險因素。

1.2.2BMD檢測:采用雙能X線骨密度儀(美國HOLOGIC公司,Discovery W) 測定骨密度。

1.2.3骨折風險評估:進入FRAX?官方網站:http: / /shef.ac.uk /FRAX,在瀏覽器底部選擇簡體中文模式,在測評系統中選擇中國,填入患者臨床資料,得到患者10年內的PHF和PMOF。

1.3 統計學處理

2 結果

2.1 不同中醫證型一般情況比較

共納入符合標準患者125例,其中脾腎陽虛組患者36例、肝腎陰虛組患者28例、腎陽虛組患者35例、血瘀氣滯組患者26例;脾腎陽虛組最大年齡為86歲,最小年齡為58歲;肝腎陰虛組最大年齡為83歲,最小年齡為55歲;腎陽虛組最大年齡為86歲,最小年齡為55歲;血瘀氣滯組最大年齡為85歲,最小年齡為56歲。4組總體年齡均數差異無統計學意義(F=0.130,P=0.942)。

4組BMI指數差異具有統計學意義(F=7.675,P<0.001),組間進一步采用LSD檢驗,結果顯示脾腎陽虛組BMI指數大于肝腎陰虛組、腎陽虛組以及血瘀氣滯組,差異均有統計學意義(P=0.020、P<0.001、P=0.040)。其余各組間BMI指數比較,差異均無統計學意義。見表1。

表1 不同證型組臨床資料比較

2.2 不同中醫證型組骨折率比較

脾腎陽虛組骨折率為41.7 %,肝腎陰虛組骨折率為17.9 %,腎陽虛組骨折率為20 %,血瘀氣滯組骨折率為30.8 %,4組骨折率存在統計學差異(χ2=11.23,P=0.010)。組間進一步多重比較,結果顯示脾腎陽虛組骨折率與肝腎陰虛骨折率比較差異有統計學意義(P=0.001)。其余各組間比較差異均無統計學意義。見表2。

表2 不同證型組骨折率比較

2.3 不同中醫證型骨密度T值比較

4組骨密度T值的差異具有統計學意義(F=6.526,P<0.001)。組間進一步采用LSD檢驗,其中脾腎陽虛組與肝腎陰虛、腎陽虛、血瘀氣滯組骨密度T值比較差異具有統計學意義(P=0.002、P<0.001、P=0.040),其余各組間差異均無統計學意義。見表3。

表3 不同中醫證型骨密度T值比較

2.4 不同中醫證型組PHF、PMOF比較

不代入骨密度T值計算PHF、PMOF:4組PHF比較,差異無統計學意義(H=4.853,P=0.183)。4組PMOF比較,差異無統計學意義(H=4.691,P=0.196)。見表4。

表4 不同證型組(不代入骨密度)PMOF、PHF比較[%,M(P25,P75)]

代入骨密度T值計算PHF、PMOF:4組PHF比較,差異具有統計學意義(H=19.041,P<0.001)。進一步進行組間多重比較,其中脾腎陽虛組與肝腎陰虛、腎陽虛組PHF差異具有統計學意義(P=0.017、P<0.001),其余各組PHF比較差異無統計學意義。4組PMOF比較,差異具有統計學意義(H=18.045,P=0.001)。進一步進行組間多重比較,其中脾腎陽虛組與肝腎陰虛、腎陽虛組PMOF差異具有統計學意義(P=0.025、P=0.001),其余各組PMOF差異均無統計學意義。見表5。

表5 不同證型組(代入骨密度)PMOF、PHF比較[%,M(P25,P75)]

3 討論

預防OF的發生是骨質疏松治療的主要目標,預防骨質疏松相關骨折的發生是治療骨質疏松癥的主要目標。目前,雙能X線吸收檢測法(DXA)是常用的診斷骨質疏松癥和預測骨折風險的方法,但是DXA骨密度檢測價格昂貴,況且基層醫院多不具備檢測條件,因而需要一種更加經濟實惠、操作簡單的骨折風險評估方式[10-12]。且隨著人口老齡化,未來將會有更多的OP患者占據較大的醫療資源[13]。因此,如何低成本更快發現目標人群,減低其骨質疏松性骨折的風險,減少醫療資源的浪費是急需解決的問題[14-15]。FRAX?是WHO 推薦的骨折風險預測工具,根據患者的臨床危險因素來評估患者PHF、PMOF[16]。但我國FRAX?相關應用正處于初級階段,針對我國人群骨折影響因素的大樣本研究尚未完成,且存在著種族、地域等差異,故FRAX?應用于我國人群的骨折風險篩查具有一定局限性[17-18]。此外,有研究表明在OP患者發生OF之前,通常會出現早期檢測(如骨密度測定)難以發現的一些功能性改變,如乏力、背痛、腰酸等癥狀[19],而這也是FRAX?不曾具備的。因而明確上述癥狀所反映的中醫證型,并與FRAX?相結合可以更好的評估骨折風險。

本研究結果表明脾腎陽虛型OP患者較其他組相比骨折發生率最高、骨密度最低、BMI指數最低,這與既往研究結果基本一致[20-21]。表明脾腎陽虛型OP患者骨折風險最高,當出現脾腎陽虛證候時應注意預防OF的發生。傳統醫學認為脾腎兩藏聯系密切,生理相滋,病理相關。《素問》認為人體先天之根本為腎,其腎陽為諸身陽氣之本;后天之根本為脾,而脾陽又賴于腎陽之溫煦。腎陽與脾陽互相滋生影響,腎陽不足導致脾陽虧虛,脾陽衰憊日久可累及腎陽,最終發展為脾腎陽虛。脾腎陽虧虛導致筋骨不利,早在 《素問·五臟生成篇》與《素問?太陰陽明論》就有記載: “腎之合,骨也……脾之合,肉也,主四肢” ;“今脾病……氣日以衰,脈道不利,筋骨肌肉,皆無氣以生,故不用焉”。脾腎陽虛則筋骨不堅,肌肉不充,四肢痿廢,故患者BMI指數、骨密度較低。歐洲骨質疏松癥管理指南指出BMI指數更低者骨折發生概率則更高[22],國內相關文獻亦證實了該項觀點[23-24],這與本研究相一致,分析其原因可能為低BMI指數患者多為瘦削患者,與脾腎陽虛相對應,其肌肉痿弱,筋骨不強,從而更易發生骨折。因此在臨床診療過程中應當重視骨質疏松癥的辨證論治,尤其強調脾腎兩臟的調理。

本研究結果亦發現當不代入骨密度時各組OP患者PHF、PMOF差異無統計學意義,當代入骨密度時脾腎陽虛組患者PHF、PMOF顯著高于其余各組。表明FRAX?能在一定程度上反映不同中醫證型患者的骨折風險差異,但是存在一定局限性,代入骨密度計算患者PHF、PMOF可信度更高。但是正如前文提到的DXA骨密度檢測價格昂貴,基層醫院多不具備檢測條件,并非所有患者都能了解自身骨密度情況,因而更加需要尋求一種讓OP患者自身均能感知的骨折風險預警因素相結合。國內有學者發現不同骨量人群發生的中醫癥狀頻率和頻數不同,其認為中醫癥狀辨識工具對篩查OF高風險人群具有一定的中醫價值[25]。同樣的該研究不足之處在于缺乏可靠的客觀數據指標,因而需要在中醫證型辨識基礎上加以現代FRAX?評估指標來進一步提高篩查骨折風險的真實性與可靠性。

綜上所述,我們認為將現代醫學骨折風險評估工具FRAX?與傳統中醫辨證內容相結合,可以使OP患者能更早了解自身骨折風險從而更好地發揮中醫藥辨證防治OP及OF的優勢。

4 不足與展望

本研究運用FRAX?初步探討了不同證型OP患者骨折風險的差異。但由于研究只納入了絕經后骨質疏松癥患者,對結果外推性會產生一定影響;其次本研究樣本量相對偏小;同時受地域因素影響,本研究絕大多數為無錫地區漢族受試者,這些都是本研究的不足之處。本研究將現代醫學骨折風險評估工具FRAX?與傳統中醫辨證內容相結合,具有一定創新性和臨床應用價值,期望可以擴大地域以及樣本量獲得進一步的數據支持。