研究设计和参与者选择
建立用于开发和验证BCT风险评分的大型病例-队列样本
从KPSC医疗系统选择341364名≥65岁有腹部-盆腔CT的患者，排除不符合条件的后，构建包含11,461名患者的初始病例-队列样本，并根据地理位置分为开发组和验证组。开发组用于构建BCT风险评分算法，验证组用于独立验证。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
使用多方面生物力学计算机断层扫描改善髋部骨折的预测
Improved prediction of hip fracture using multi-faceted biomechanical computed tomography
实验完整度
高包含病例-队列研究设计，分为开发和验证两组独立队列；通过CT测量股骨强度和身体成分，采用logistic回归评估AUC，并进行了多种敏感性分析和临床有效性指标计算。
主要模型
髋部骨折患者队列（来自KPSC医疗系统，开发组3017例，验证组2124例） 无髋部骨折的对照组（随机样本） 腹部-盆腔CT扫描的65岁及以上患者
重点核对
患者年龄≥65岁，有腹部-盆腔CT扫描 排除标准：髋部骨折史、骨病理、髋部植入物、CT不可用，以及观察期间服用骨质疏松药物≥180天 结局：5年内首次髋部骨折，通过住院ICD诊断代码识别 风险因素：年龄、股骨强度、小梁/皮质BMD比值、肌内脂肪、肌肉面积、股骨颈体积、髋部宽度、后部脂肪厚度 模型验证：在独立地理验证集中比较BCT风险评分、BMD T评分和FRAX的AUC
摘要
为了预防更多的髋部骨折，开发了新一代VirtuOst生物力学计算机断层扫描（BCT）测试，该测试整合了与跌倒风险、冲击力和股骨强度相关的临床CT扫描测量，这三者是髋部骨折的三个主要决定因素。在此，我们介绍该测试并针对BMD和FRAX进行验证。我们来自大型医疗保健系统的源人群包括341364名（≥65岁）在护理期间接受腹部-盆腔CT的患者。利用3035名患者（1790名髋部骨折）的数据，我们开发了“BCT风险评分”（范围：0-100），其输入风险因素包括年龄、股骨强度、小梁/皮质BMD比值、肌肉面积、肌内脂肪、股骨颈体积、髋部宽度和后部脂肪厚度。在另一个地理上独立的2124名患者（1293名髋部骨折）队列中，我们将BCT风险评分与DXA等效髋部BMD T评分（最低髋部值，由VirtuOst从CT扫描测量）和FRAX髋部骨折风险（含BMD但不含父母骨折史）进行预测5年内首次髋部骨折的比较。在女性中，预测骨折的c统计量BCT（0.89，95% CI：0.87-0.90）高于BMD（0.81，0.79-0.84）或FRAX（0.85，0.83-0.87）。使用二分类阈值识别高危患者，BCT（风险评分≥75）的敏感性高于BMD（T评分≤-2.5）和FRAX（髋部风险≥3.0%）：分别为81.4%对47.8%对75.9%；阳性预测值确认了类似的高风险状态（BCT 13.6%对BMD 15.3%对FRAX 12.7%）。在男性、2年结局和识别极高危患者中也观察到类似趋势。我们得出结论，与BMD和FRAX相比，综合BCT测试更好地预测了髋部骨折，其高敏感性应能改善骨折预防。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 开发并验证一种整合多方面生物力学因素的BCT测试，是否比传统BMD和FRAX更好地预测髋部骨折风险？
- 核心机制
- BCT风险评分整合了髋部骨折的三个主要生物力学决定因素：跌倒风险（通过肌肉特征和脂肪厚度评估）、冲击力（通过骨骼大小和肌肉特征）和股骨强度（通过有限元分析），从而提供更全面的骨折风险评估。
- 主要证据
- 在独立验证集中，BCT风险评分的AUC（女性0.89，男性0.88）显著高于BMD（0.82和0.81）和FRAX（0.85和0.84）；敏感性也最高（女性81.4% vs BMD 47.8%、FRAX 75.9%），且诊断比值比更高。
- 研究意义
- 研究提出，BCT风险评分可能改善骨折预防，通过识别更多高风险患者，并可能减少骨折发生。作者建议将BCT作为DXA的补充或替代用于骨质疏松筛查。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
CT扫描测量身体特征
获得BCT风险评分所需的股骨强度和身体成分测量
使用VirtuOst软件测量股骨强度、DXA等效髋部BMD T评分；使用VirtuOst BCT Plus软件测量小梁/皮质BMD比值、皮下脂肪厚度、肌肉面积、肌内脂肪、股骨颈体积和髋部宽度。
开发BCT风险评分算法
建立用于预测5年髋部骨折风险的BCT风险评分模型，并校准其与FRAX的高风险患病率一致
基于开发组数据，使用logistic回归选择风险因素（年龄、股骨强度、小梁/皮质BMD比值、肌肉面积、肌内脂肪、FN体积、髋部宽度、后部脂肪厚度），并添加性别特异性常数校正校准，使阈值≥75时的高风险患病率与FRAX一致。
在验证集上比较预测性能
验证BCT风险评分在独立队列中是否优于BMD和FRAX
使用验证集数据，通过logistic回归计算每种测试的AUC，使用DeLong检验比较，并计算敏感性、特异性、诊断比值比和PPV。
额外分析和敏感性分析
评估结果的稳健性和临床实用性
进行了按年龄、骨密度状态、药物使用分层分析，并评估了成像参数的影响。计算了可预防的骨折数量和PPV，以评估临床影响。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| CT图像分析 | VirtuOst | O.N. Diagnostics | version |
| VirtuOst BCT Plus | O.N. Diagnostics | -- | |
| 统计软件 | JMP Pro | JMP Statistical Discovery, LLC | version |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究设计 | 病例-队列研究设计；纳入标准为≥65岁且有腹部-盆腔CT扫描；排除标准包括既往髋部骨折、骨病理、髋部植入物、CT不可用和观察期间骨质疏松药物使用≥180天 阅读提示：Materials and Methods - Study design, Participants |
| BCT风险评分测量 | CT扫描重采样至1mm体素分辨率；使用VirtuOst和VirtuOst BCT Plus测量各身体特征；肌内脂肪测量需校正静脉造影剂；所有测量需技术人员审查 阅读提示：Materials and Methods - Measurements, Figure 1, Table 1 |
| 结局定义 | 主要结局为5年内首次髋部骨折，通过住院ICD诊断代码识别；次要结局为2年内骨折；需确认无骨折患者的随访时间 阅读提示：Materials and Methods - Statistical analysis, Results |
| 统计比较 | 使用逻辑回归计算AUC；使用DeLong检验比较AUC；计算敏感性、特异性、诊断比值比和PPV；二元阈值定义（BCT≥75，BMD≤-2.5，FRAX≥3.0%） 阅读提示：Materials and Methods - Statistical analysis, Table 3 |