基于射频超声多光谱（REMS）预测模型的低骨密度风险早期识别

《Life》：Early Identification of Low Bone Density Risk Using a Radiofrequency Echographic Multi Spectrometry-Based Prediction Model

　　

骨质疏松症是一种主要的公共卫生问题，其特征为骨矿物质密度（BMD）降低和骨折风险增加。早期识别低骨密度个体对于预防仍然至关重要。本研究旨在评估一个整合临床参数和射频超声多光谱（REMS）衍生参数的多元逻辑回归模型，用于检测女性低骨密度。共纳入324名接受腰椎和髋部REMS评估的女性。分析了临床变量（年龄、身体质量指数[BMI]、绝经状态和生活方式因素）以及REMS衍生测量值。采用二元逻辑回归识别与低BMD（T评分2统计量和分类准确率评估模型性能。应用约登指数确定最佳临界值。年龄、绝经状态、BMI和基础代谢率（BMR）被识别为与腰椎和股骨颈低BMD相关的独立因素。年龄增长和绝经与低骨密度风险增加相关，而较高BMI和BMR与低骨密度呈负相关。总之，结合临床和REMS衍生参数的逻辑回归模型显示出识别低骨密度女性的能力，支持在临床实践中改进个体化风险分层。

### 论文解读：《基于射频超声多光谱预测模型的低骨密度风险早期识别》

#### 研究背景与现存问题
骨质疏松症是一种以骨矿物质密度（BMD）降低和骨微结构退化为特征的系统性骨骼疾病，显著增加低能量骨折风险，给老龄化社会带来沉重经济负担（如德国年花费约130亿欧元，美国高达190亿美元）。早期识别低骨密度个体是预防骨折的关键，但现有工具存在局限：双能X射线吸收法（DXA）虽为金标准，但涉及电离辐射、设备可及性有限，且对早期微结构变化不敏感；骨折风险评估工具（FRAX）虽整合临床风险因素，但依赖人口验证，且不直接评估骨密度。射频超声多光谱（REMS）是一种新兴的无辐射超声技术，可同时提供BMD、T评分及骨质量参数（如脆性评分），但将其与传统临床风险因素整合于多变量模型的研究仍不足。因此，本研究旨在开发并评估一个结合临床人口学因素与REMS衍生参数的多元逻辑回归模型，以早期识别女性低骨密度。

#### 研究开展与结论
研究人员开展一项前瞻性观察研究，纳入324名接受REMS评估的女性（来自保加利亚色雷西亚大学及斯塔拉扎戈拉一家风湿病诊所，2023年6月至2026年1月）。通过标准化临床评估记录年龄、身体质量指数（BMI）、绝经状态等变量，并使用REMS设备（EchoStudio，Echolight S.p.a.）测量腰椎和髋部BMD、T评分，同时分析身体成分（体脂率BF、基础代谢率BMR）。采用逐步二元逻辑回归识别与低骨密度（T评分
#### 关键技术方法
研究采用以下关键技术方法：①使用REMS设备（EchoStudio，中心频率3.5 MHz凸阵探头）采集腰椎和股骨近端原始背向散射射频超声信号，通过频谱分析生成患者特异性频谱并与验证数据库比较，估计BMD及T/Z评分；②应用EchoStudio内置身体成分软件模块，结合超声衍生的腹部软组织、皮下脂肪和肌肉厚度，通过多元回归算法估算体脂百分比（BF）和基础代谢率（BMR）；③统计方法采用逐步二元逻辑回归模型（前向条件选择），以约登指数确定连续变量最佳临界值，并通过ROC曲线、Omnibus卡方检验及伪R²统计量评估模型性能。样本来源于保加利亚两个中心（色雷西亚大学及斯塔拉扎戈拉风湿病诊所）。

#### 研究结果
**1. 人群特征**：324名女性中，80%为绝经后，绝经后女性中51.9%为骨量减少（T评分-1.0至-2.5 SD），35.4%为骨质疏松（T评分≤-2.5 SD），12.7%正常；绝经前女性中62.5%正常，34.4%骨量减少，3.1%骨质疏松。平均年龄62±12岁，BMI在正常组（32.4±6.4 kg/m²）高于骨量减少组（28.3±5.6 kg/m²）和骨质疏松组（25.9±4.9 kg/m²）。

**2. 腰椎低BMD的独立因素**：逐步二元逻辑回归（基于273名完整数据女性）显示，年龄、绝经状态、BMI和BMR为独立预测因子。年龄每增加1岁，T评分2，风险降低15.4%（OR=0.846），临界值28.63 kg/m²；BMR每增加1 kcal/day，风险降低1.8%（OR=0.982），临界值1331.75 kcal/day。模型整体准确率94.9%，AUC为0.82（95% CI: 0.76–0.88）。

**3. 股骨颈低BMD的独立因素**：类似分析显示，年龄（OR=1.180，临界值63岁）、绝经（OR=16.6）、BMI（OR=0.65，临界值26.5 kg/m²）和BMR（OR=0.98，临界值1364.4 kcal/day）为独立因素。模型准确率94.9%，AUC为0.85（95% CI: 0.79–0.90）。比较两模型，绝经对股骨颈低BMD的风险（OR=16.6）高于腰椎（OR=9.54），而年龄、BMI和BMR的效应相似。

**4. 模型比较**：ROC分析确认所有临界值均通过最大约登指数确定，敏感度94.9%，特异度82.7%，表明模型对低骨密度具有良好鉴别能力。

#### 讨论与结论
讨论部分指出，本研究是少数利用REMS参数探索低骨密度关联因素的研究之一。REMS作为无电离辐射技术，可同时提供骨量和骨质量信息，整合临床因素后能提升个体化风险分层。与既往研究（如Kanis等1998年描述的传统风险因素，或Aloia等1985年关注的实验室参数）一致，年龄、绝经、BMI和BMR被再次确认。但本研究首次通过REMS方法量化其权重，并且73%的模型因素（除BMR外）无需实验室或影像学诊断即可获得。研究优势包括：大样本（324例）、标准化REMS采集协议、单操作者减少变异、统计方法严谨（含ROC和约登指数）。局限包括：纳入绝经前和绝经后混合人群（T评分不适用于绝经前，按国际临床骨密度学会指南）；样本来自专科转诊，可能存在选择偏倚；未与DXA直接比较；未进行外部验证，可能增加过拟合风险。结论部分翻译：既往骨质疏松评估和骨折风险研究主要依赖实验室诊断和DXA测量。基于计算机辅助的新方法主要聚焦于图像评估。本研究识别了通过REMS方法确定的低骨密度相关独立因素，其中四个因素中有三个完全无需实验室或影像学诊断即可获得。当与REMS结合时，这些因素在REMS衍生T评分和基础代谢率之外提供额外信息，支持在研究对象队列中更好地识别低骨密度女性。然而，由于该横断面模型基于单一队列开发，未进行外部验证或与已有方法直接比较，需要在独立人群中进一步研究以确认其可重复性、普适性和潜在临床适用性。