《Archives of Osteoporosis》:Ten-year re-validation of the fracture risk assessment tool (FRAX?) in Taiwan
编辑推荐:
摘要总结:台湾特定骨折风险评估工具(FRAX)模型被广泛用于估计10年骨折风险。然而,包含骨密度(BMD)的FRAX可能低估骨折风险,尤其是在老年人中。目的:研究人员利用完整的10年真实世界结局评估台湾特定FRAX计算器的预测性能和校准,并建立数据驱动的、人群
摘要总结:台湾特定骨折风险评估工具(FRAX)模型被广泛用于估计10年骨折风险。然而,包含骨密度(BMD)的FRAX可能低估骨折风险,尤其是在老年人中。目的:研究人员利用完整的10年真实世界结局评估台湾特定FRAX计算器的预测性能和校准,并建立数据驱动的、人群特异性筛查阈值。方法:研究人员从台湾两个基于人群的队列(2009-2010年)招募了1,976名年龄≥40岁的参与者,并通过与国民健康保险研究数据库(NHIRD)的链接进行了10年随访。使用台湾特定FRAX计算器估计主要骨质疏松性骨折(MOF)和髋部骨折(HF)的10年概率。通过观察值/预期值(O/E)比值评估模型校准。通过受试者工作特征(ROC)分析最大化约登指数(Youden index)确定统计最优阈值。结果:在随访期间,213名(10.8%)参与者发生MOF,93名(4.7%)发生HF。不含BMD的FRAX对MOF(O/E=1.08;95% CI: 0.94–1.24)和HF(O/E=1.10;95% CI: 0.89–1.34)均表现出良好的校准。相反,含BMD的FRAX系统性地低估了风险,尤其是在年龄≥65岁的个体中(MOF O/E=1.23;95% CI: 1.06–1.42)。年龄、女性性别、既往骨折和低BMD是显著的独立风险因素。关键的是,通过ROC分析确定了人群特异性数据驱动阈值:使用不含BMD的FRAX,MOF为9.0%,HF为4.5%;使用含BMD的FRAX,MOF为8.5%,HF为4.0%。结论:FRAX?仍是台湾骨折风险预测中有用且广泛应用的工具。然而,骨折风险可能被低估,尤其是在年龄≥65岁的成年人中。台湾特定的、数据驱动的阈值可能改善风险分层,并支持更具针对性的骨折预防策略。
骨质疏松性骨折在老龄化人口中构成日益增长的公共卫生挑战,其发病率、致残率和医疗成本持续上升。低骨密度(BMD)是主要负担因素,但尽管存在有效诊断和药物干预,骨质疏松仍常被忽视,往往在首次脆性骨折后才得以临床发现。在台湾,尽管2008至2019年间年龄标准化患病率和发病率有所下降,但由于人口快速老龄化,总体疾病负担依然显著,且骨折后持续高死亡率凸显了二级预防的不足。骨折风险评估工具(FRAX
?)被广泛用于估计10年骨质疏松性骨折概率,但其准确性需要基于本地流行病学数据的验证。此前研究团队基于平均6.8年随访数据确认了FRAX在台湾的良好表现,为进一步提升精度,课题组将随访延长至完整的10年,直接评估10年FRAX预测概率与观察到的10年真实世界结局之间的一致性,并确定台湾特定的最优治疗阈值,分析关键临床风险因素的相对贡献。该研究发表在《Archives of Osteoporosis》。
研究人员开展研究时,从台湾两个基于人群的队列(2009-2010年招募,分别来自云林县和天寮乡)共纳入1,976名年龄≥40岁参与者。通过结构式问卷收集FRAX算法中的临床风险因素(CRFs),使用双能X线吸收测定法(DXA)评估股骨颈、全髋和腰椎BMD,并利用台湾特定FRAX计算器(由John A. Kanis教授团队基于1996-2002年台湾髋部骨折发生率和年龄特异性死亡率数据开发)估计10年主要骨质疏松性骨折(MOF)和髋部骨折(HF)概率。通过链接国民健康保险研究数据库(NHIRD)和死亡登记,实现完整10年随访。采用观察值/预期值(O/E)比值评估校准,应用Fine和Gray竞争风险回归模型分析预测因子,并通过受试者工作特征(ROC)分析最大化约登指数确定统计最优阈值。
研究结果部分要点如下:
1. 基线特征:在10年随访期间,213名(10.8%)参与者发生MOF,93名(4.7%)发生HF。发生MOF的参与者年龄显著更大(71.7±10.1岁 vs 64.6±12.1岁,p<0.001),女性比例更高(64.8% vs 51.4%,p=0.002),全因死亡率显著升高(34.7% vs 16.3%,p<0.001)。
2. 校准性能:不含BMD的FRAX模型显示良好校准,MOF的O/E=1.08(95% CI: 0.94–1.24),HF的O/E=1.10(95% CI: 0.89–1.34)。含BMD的FRAX模型则系统性低估风险,整体MOF的O/E=1.20(95% CI: 1.04–1.37),HF的O/E=1.31(95% CI: 1.07–1.60),尤其在≥65岁参与者中低估更显著(MOF O/E=1.23,95% CI: 1.06–1.42;HF O/E=1.40,95% CI: 1.14–1.72)。按风险五分位数分析显示,低风险组高估、高风险组低估,含BMD模型更明显。
3. 风险因素分析:竞争风险回归模型表明,年龄增长(每增加1岁,MOF风险增加6%,HF风险增加13%)、女性性别(MOF风险比男性高2.15倍)、既往骨折史(MOF和HF风险均增加1.93倍)以及低股骨颈BMD(T值每增加1个标准差,MOF风险降低33%,HF风险降低34%)是独立风险因素。其他CRFs(当前吸烟、糖皮质激素使用、类风湿关节炎、高饮酒量)未达统计学显著性。
4. 最优阈值确定:ROC分析确定不含BMD的FRAX最优阈值:MOF为9.0%(灵敏度0.71,特异度0.62,最大约登指数0.33,AUC 0.72),HF为4.5%(灵敏度0.75,特异度0.69,约登指数0.45,AUC 0.79)。含BMD的FRAX最优阈值:MOF为8.5%,HF为4.0%(AUC分别为0.72和0.81)。两个模型的阈值分布和诊断性能相似。
讨论部分指出,含BMD的FRAX在台湾≥65岁人群中系统性低估风险,可能与寿命延长导致的真实骨折发生率升高、种族参考标准差异、竞争风险影响以及非住院椎体骨折漏报有关。不含BMD的FRAX校准更优,提示临床风险因素(CRFs)本身可能足以捕捉台湾人群的骨折风险。本研究确定的阈值低于全球参考阈值,且基于完整10年结局,具有更强的纵向效度。研究结论部分翻译如下:总而言之,FRAX
?仍是台湾广泛采用的骨折风险评估工具。本研究确定的人群特异性阈值提供了灵敏度和特异度的优化平衡,支持稳健的风险分层。年龄、性别、既往骨折史和低股骨颈BMD仍是骨骼事件的关键独立预测因子。将这些定制参考阈值整合到基于证据的多步骤临床路径中,将有助于台湾更有效的骨质疏松预防和骨折风险管理。