样本纳入与基线评估
确定研究人群并收集基线身体成分和膝关节状态数据。
从MOST研究中纳入至少一个膝关节无ROA且有基线DXA身体成分测量的参与者，记录年龄、性别、体重、身高、BMI及脂肪量。
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
脂肪量是否超越体重本身对膝关节骨关节炎风险有贡献？来自多中心骨关节炎研究的数据
Does fat mass contribute to knee osteoarthritis risk beyond weight itself? Data from the Multicenter Osteoarthritis Study
实验完整度
中基于MOST队列的纵向观察性研究，使用DXA测量身体成分，通过统计模型分析脂肪量与ROA风险的关系，但缺乏直接实验干预。
主要模型
MOST队列参与者（社区成年人，年龄50-79岁） 膝关节（无基线ROA的膝关节）
重点核对
性别特异性体重类别划分：女性<70, 70-79.9, 80-89.9, ≥90 kg；男性<90, 90-99.9, ≥100 kg 脂肪量百分比四分位数计算（在每个体重类别内按性别分组） 主要结局：7年时发生影像学膝关节骨关节炎（KL分级≥2或膝关节置换） 调整变量：年龄、对侧膝关节基线ROA或全膝关节置换 统计方法：改良Poisson回归与广义估计方程（GEE），并进行样条分析
摘要
目的：我们研究了脂肪量在多大程度上可能超越体重本身对发生影像学膝关节骨关节炎（ROA）风险的影响。方法：纳入多中心骨关节炎（MOST）研究中基线时至少一个膝关节无ROA且进行过DXA身体成分测量的参与者。在7年时评估ROA的发生（KL分级≥2或膝关节置换）。我们创建了性别特异性体重类别（女性：<70、70-79.9、80-89.9、≥90 kg；男性：<90、90-99.9、≥100 kg），计算了脂肪量百分比四分位数，然后在每个体重类别中评估四分位数（以最低为参照）与ROA风险的关系。然后我们在组合模型中缩放并标准化脂肪量百分比，以评估相对脂肪量与ROA风险之间的总体关系。结果：我们纳入了1611名个体（60%为女性，平均年龄61.7岁，BMI 29.6 kg/m2，2646个膝关节）。7年后27.6%的膝关节发生ROA。仅在女性中，与体重类别中最低脂肪量百分比相比，最高脂肪量百分比的ROA风险增加（Q4 vs Q1，RR 1.29，95% CI 1.02-1.64）。样条分析发现女性和男性中脂肪量百分比对ROA发生的影响呈J形或U形模式，预测概率在脂肪量百分位数间仅相差10-20%。结论：较高的相对脂肪量并未影响男性ROA发生风险的增加，但在女性中存在潜在阈值效应。总体而言，总体质量（体重）似乎是驱动ROA风险的主要因素，而非相对脂肪量的独立影响。
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
- 在控制体重后，相对脂肪量（脂肪量百分比）是否独立影响膝关节骨关节炎的风险？
- 核心机制
- 总体质量（体重）是驱动ROA风险的主要因素，相对脂肪量的独立影响有限；在女性中可能存在阈值效应，但机制尚不明确。
- 主要证据
- 基于MOST队列的1600余名参与者、2646个膝关节的纵向数据，使用DXA测量脂肪量，并通过多变量回归和样条分析显示仅在女性最高脂肪量百分比四分位数中ROA风险增加（RR 1.29，95% CI 1.02-1.64），但预测概率差异小。
- 研究意义
- 研究结果提示，在制定膝关节骨关节炎预防策略时，应主要关注总体体重管理，而非单纯针对相对脂肪量；未来需要进一步研究女性中的阈值效应及潜在的代谢或机械因素。
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。
暴露分组与标准化
按性别和体重类别划分，并计算脂肪量百分比四分位数以评估相对脂肪量。
按性别划分体重类别（女性四类，男性三类），计算每个体重类别内脂肪量百分比的四分位数，并在敏感性分析中标准化脂肪量百分比。
结局评估
确定7年内是否发生影像学膝关节骨关节炎。
在7年随访时通过X光片（KL分级≥2）或全膝关节置换记录ROA发生情况。
统计分析
评估脂肪量百分比与ROA风险的关系，并进行敏感性分析。
使用改良Poisson回归与GEE分析脂肪量百分比四分位数与ROA风险的关联，调整年龄和对侧膝关节ROA；进行样条回归分析非线性关系；并进行敏感性分析（标准化脂肪量、排除易感者、处理失访等）。
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。
身体成分测量
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 身体成分测量 | 双能X射线吸收测定法 | Hologic Inc., Bedford, MA | Software |
| 统计分析 | SAS统计软件 | SAS Institute | 9.4 |
| R统计软件 | R Foundation for Statistical Computing | -- |
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 |
|---|---|
| 样本纳入 | 纳入标准：MOST参与者，至少一个膝关节无ROA（KL<2），基线DXA身体成分测量；排除标准：双膝ROA，7年内无影像学随访且未行全膝关节置换。 阅读提示：Methods: Study sample, Inclusion criteria |
| 暴露评估 | 体重和身高测量方法；DXA机型及软件版本；性别特异性体重类别划分；脂肪量百分比计算及四分位数划分。 阅读提示：Methods: Exposures; Table 1; Figure S2 |
| 结局评估 | ROA定义（KL≥2或全膝关节置换）；随访时间7年；评估方法。 阅读提示：Methods: Primary outcome |
| 统计分析 | 统计模型（改良Poisson回归与GEE）；调整变量（年龄、对侧膝关节ROA）；样条回归参数；敏感性分析处理。 阅读提示：Methods: Analytic approach |