4418例老年患者髋部骨折术后继发性脆性骨折：危险因素与可解释机器学习模型的内部验证

《International Orthopaedics》：Secondary fragility fractures after hip fracture surgery in four thousand, four hundred and eighteen older adults: risk factors and internal validation of an interpretable machine-learning model

　　

背景：继发性脆性骨折仍是老年患者髋部骨折术后主要并发症，但个体化的术后风险分层仍具挑战。研究人员旨在识别与继发性脆性骨折相关的因素，并对三年再发骨折风险的可解释机器学习模型进行内部验证。方法：研究人员回顾性分析了2014年至2021年间因首次低能量髋部骨折接受手术的年龄≥65岁成人患者。患者随访三年观察继发性脆性骨折。从电子病历中提取人口学、临床、功能和康复变量。采用多重插补的Cox回归评估时间-事件关联。开发极端梯度提升（eXtreme Gradient Boosting，XGBoost）作为主要预测模型，并与支持向量机（Support Vector Machine，SVM）和Cox回归进行比较。模型性能采用留出测试集和决策曲线分析进行评估。结果：在4,418例患者中，594例（13.4%）发生继发性脆性骨折。再发骨折风险增加与高龄、骨质疏松、低体质指数（Body Mass Index，BMI）、女性、心血管疾病、视觉障碍、晕厥、非标准康复及术后Harris髋评分<80相关。在测试集中，XGBoost的曲线下面积（Area Under the Curve，AUC）为0.701（95%置信区间[Confidence Interval，CI]0.657–0.743），默认阈值下敏感度为61.8%，特异度为67.2%。决策曲线分析显示，在约7%–32%的阈值概率范围内，XGBoost的净获益最高。结论：继发性脆性骨折与骨骼脆弱、跌倒相关易感性和术后恢复不良相关。可解释XGBoost模型显示出中等区分度和作为辅助筛查工具的潜在临床实用性，可用于识别可能受益于强化二级预防的患者。常规临床实施前需进行外部验证和前瞻性评估。

髋部骨折是老年人群中最严重且资源消耗巨大的骨质疏松性损伤之一，对全球老龄化医疗体系构成持续挑战。尽管手术时机、麻醉管理、围术期护理和康复策略不断进步，髋部骨折术后长期预后仍不理想，患者常遗留持续性功能依赖、反复跌倒和再发骨折，并伴随超额死亡风险。继发性脆性骨折尤为关键，因为首次髋部骨折标志着患者进入对后续骨质疏松性损伤高度易感的阶段。既往研究报道约10%–30%的患者在术后数年内发生再次脆性骨折，常见部位包括对侧髋部、椎体、桡骨远端和肱骨近端。再发骨折风险是多维度的，不仅涉及骨密度降低，还与高龄、低体重、视觉障碍、跌倒、肌少症、共病及术后功能恢复不良等密切相关。

然而，目前术后风险分层面临明显困难。传统统计方法在处理骨骼健康、共病、感觉障碍、功能恢复和康复等多领域交互变量时，预测能力常受到限制；机器学习方法虽能建模复杂且潜在非线性的关系，但算法复杂性的增加并不必然转化为临床上有用的预测。已有研究如Kim等开发的基于CT的深度学习模型（AUC约0.73–0.74）、Shimizu等在手术治疗的脆性骨折患者中比较多种机器学习算法、Dijkstra等在包含74,396例患者的荷兰髋部骨折审计队列中发现传统Logistic回归与更复杂的机器学习方法在死亡预测上性能相当而因其可解释性更受青睐，这些均提示预测模型的临床价值不仅取决于区分度，还取决于透明的验证、可解释性、校准以及预测风险能否转化为有意义的临床行动。

现有研究仍存在若干缺口：多聚焦于单一骨折部位、影像学骨骼特征或异质性脆性骨折人群，而术后功能恢复、康复质量、视觉障碍和晕厥相关跌倒易感性等尚未被充分整合进统一的预测框架；且较少研究在真实决策阈值下评估模型的临床净获益。因此，研究人员开展了一项基于上海第六人民医院（国家骨科医学中心）的大型回顾性队列研究，旨在识别与继发性脆性骨折相关的因素，并内部验证一个可解释的机器学习模型，以支持个体化术后危险分层和二级预防决策。该研究发表于《International Orthopaedics》。

在技术方法上，研究人员从上海第六人民医院电子病历系统和骨科登记库中筛选2014年1月至2021年12月期间因首次低能量髋部骨折接受手术并成功出院的≥65岁患者，排除高能量创伤、恶性病理性骨折、假体周围骨折和严重认知障碍等病例后，共5,236例符合纳入标准；进一步排除3年内死亡或失访者，最终4,418例（84.4%）完成至少3年随访并组成分析队列。主要终点为术后3年内首次新发脆性骨折，包括对侧髋部、椎体、桡骨远端和肱骨近端。研究人员从电子病历提取人口学、临床、功能与康复变量；采用多重插补Cox回归评估时间-事件关联，开发极端梯度提升（XGBoost）模型并以支持向量机（SVM）和Cox回归为对照；通过网格搜索与五折分层交叉验证优化超参数；使用留出测试集评估区分度和分类性能，并通过决策曲线分析评估临床净获益，特征重要性分析用于增强模型可解释性。

研究结果部分，研究人员首先描述了研究人群与再发骨折发生率。在4,418例患者中，平均年龄76.5±8.4岁（范围65–95岁），其中2,733例（61.9%）≥75岁，女性2,728例（61.7%）。三年随访期间594例（13.4%）发生继发性脆性骨折。相比未再发骨折患者（n=3,824），再发骨折组（n=594）中≥75岁者占74.9%（对照组59.8%）、女性占69.2%（对照组60.6%）、低体重（BMI<18.5 kg/m²）占22.4%（对照组12.9%）；骨质疏松（74.4% vs 50.6%）、高血压或心脏疾病（68.0% vs 61.1%）、视觉障碍（25.1% vs 18.1%）和晕厥史（12.8% vs 9.6%）亦更常见。非标准康复（37.9% vs 27.9%）和术后Harris髋评分<80（43.1% vs 33.2%）在再发骨折组中比例更高。

关于继发性脆性骨折的发生率与时间分布，Kaplan-Meier分析显示，在594例再发骨折患者中，术后12个月时约72%尚未再发骨折，24个月时约29%尚未再发骨折，中位再发骨折时间为19.4个月（95%CI 17.2–21.6），提示相当比例的继发性脆性骨折发生在术后第二年。按骨质疏松状态、康复状态和术后Harris评分分层的分析显示，不同亚组间再发骨折时间存在差异，提示骨骼脆弱性和术后功能恢复均与再发骨折的风险和时间相关。

在术后再发骨折的危险因素方面，粗关联分析显示，骨质疏松与三年再发骨折的关联最强（OR 2.84，95%CI 2.33–3.45；RR 1.47，95%CI 1.39–1.56），年龄≥75岁（OR 2.00，95%CI 1.65–2.44）、BMI<18.5 kg/m²（OR 1.95