生物年龄加速：骨质疏松症风险与寿命缩短的新型预测标志物——基于英国生物银行大样本队列研究

本研究针对传统骨质疏松症(OP)风险评估中年龄指标不敏感的临床痛点，创新性地采用Klemera-Doubal方法生物年龄(KDM-BA)和表型年龄(PhenoAge)两种模型，在英国生物银行293,224人队列中揭示生物年龄加速(BAA)与骨质疏松风险的剂量效应关系。研究发现每SD单位的KDM-BA和PhenoAge加速分别使骨质疏松风险增加22.6%和19.3%，且与多基因风险评分(PRS)存在协同效应，为骨质疏松早期预警提供了新型生物标志物体系。

　　

骨质疏松症作为年龄相关性疾病，其风险评估长期依赖传统指标如骨密度(BMD)检测和临床风险因子评估，但存在敏感性不足、预测窗口期短等局限。更关键的是，相同chronological age（实际年龄）的个体可能呈现显著差异的bone loss速率，提示需要更精准的aging biomarkers来识别高风险人群。武汉大学人民医院再生医学中心的研究团队通过分析英国生物银行(UK Biobank)29万余人队列数据，创新性地将生物年龄加速(Biological Age Acceleration, BAA)这一系统性衰老标志物引入骨质疏松风险评估体系，相关成果发表于《Bone》。

研究采用Klemera-Doubal方法生物年龄(KDM-BA)和表型年龄(PhenoAge)两种计算模型，结合多基因风险评分(PRS)分析技术。通过Cox比例风险模型评估BAA与骨质疏松发病的关联，采用限制性立方样条检验非线性关系，并运用中介分析探讨吸烟、冠心病等风险因子的作用通路。

3.1. 基线特征分析

队列中9780例新发骨质疏松患者显示显著老龄化特征：平均年龄61.17岁，女性占比82.97%，且普遍存在吸烟、高血压等代谢异常。基线数据揭示BAA与代谢性疾病负担呈正相关。

3.2. 生物年龄加速与骨质疏松风险

经多变量调整后，KDM-BA和PhenoAge每SD加速分别对应1.23倍和1.19倍骨质疏松风险。最高三分位数组风险增幅达43%（KDM-BA）和38%（PhenoAge），且存在显著剂量反应关系。

3.3. 分层与中介效应

男性群体中BAA效应更强，吸烟者和冠心病患者风险放大显著。中介分析显示PhenoAge加速在吸烟-骨质疏松通路中贡献5.02%效应值，远高于KDM-BA的1.03%。

3.5. 遗传与环境交互

PRS最高组人群骨质疏松风险增加43.63%。当高PRS与高BAA共存时，风险激增至3倍，但未发现显著相乘交互作用（P>0.05）。

3.7. 生存与预期寿命影响

骨质疏松合并BAA加速者死亡率显著升高（KDM-BA加速组HR=1.24）。45岁患者中，BAA加速导致1.3-1.8年寿命损失，且该效应在非骨质疏松人群同样存在。

该研究首次系统论证了生物年龄加速作为骨质疏松独立预测因子的临床价值，其创新性体现在三方面：一是建立KDM-BA和PhenoAge双模型验证体系，增强结论可靠性；二是揭示BAA与PRS的协同风险模式，为精准预防提供新思路；三是量化BAA相关的寿命损失，凸显抗衰老干预的潜在收益。研究结果支持将生物年龄评估纳入骨质疏松常规筛查，特别是对遗传高风险人群实施衰老监测，这对老龄化社会的骨骼健康管理具有重要实践意义。