英国生物银行中髋关节和膝关节影像学骨关节炎与关节疼痛、关节部位相互关系、肥胖、种族和剥夺的综合描述性分析:来自59,475名个体的研究结果

A comprehensive descriptive analysis of hip and knee radiographic osteoarthritis in the UK Biobank in relation to joint pain, joint site interrelationships, obesity, race and deprivation: Findings from 59,475 individuals

作者信息Asad Hashmi, Sophie Scott, Mijin Jung, Fiona R Saunders, Raja Ebsim, Jennifer S Gregory, Liubov Arbeeva, Amanda E Nelson, Nicholas C Harvey, Claudia Lindner, Richard M Aspden, Timothy Cootes, Jonathan H Tobias, Benjamin G Faber
PMID42567403
发布时间2026-12
DOI10.1016/j.joca.2026.07.013

实验完整度

高

基于59,475人髋膝DXA影像机器学习分级,含双侧及跨关节回归、疼痛与BMI身高关联分析

主要模型

UK Biobank 59,475名参与者双侧髋膝关节DXA影像 髋关节影像学骨关节炎(rHOA) 膝关节影像学骨关节炎(rKOA)

重点核对

rOA分级阈值:髋grade 2(评分和2-3)与膝grade 2(评分>1-≤3)定义grade≥2 双侧髋膝DXA扫描,参与者仰卧位,Lunar iDXA扫描仪 自报慢性髋、膝疼痛问卷;医院诊断OA基于ICD-10住院编码 Logistic回归调整年龄、性别、种族、身高、体重和剥夺(TDI五分位) BMI、身高、体重按每标准差增加计算OR

摘要

目的:患有多关节骨关节炎(OA)的患者比单关节疾病患者经历更多疼痛,然而大多数研究仅检查孤立关节,留下多关节疾病的研究空白。本研究旨在描述英国生物银行(UKB)中髋关节影像学OA(rHOA)和膝关节OA(rKOA),探索跨关节的相互关系以及与关节疼痛、体型、种族和剥夺的关联。设计:本横断面研究将机器学习应用于髋关节和膝关节双能X线吸收测定扫描。影像学OA(rOA)定义为自定义分级≥2。关节疼痛通过自报问卷评估。Logistic回归模型检查双侧和跨关节关联以及与关节疼痛的关联。对年龄、性别、种族、身高、体重和剥夺进行了调整。结果:在59,475名个体中(平均年龄65岁;范围45-85;SD 7.7;52.8%为女性),rHOA患病率为4,098例(6.9%,右侧)和4,841例(8.1%,左侧)。rKOA的相应估计为3,750例(6.3%)和4,220例(7.1%)。总体而言,rOA分级增加和受累关节数量与并发关节疼痛的关联更强(四关节:OR 4.3 [95%CI 2.6-7.2])。关于关节相互关系,双侧关联在膝关节(26.1 [24.1-28.2])强于髋关节(5.6 [5.2-6.1])。跨关节关联(髋-膝)较弱。BMI与rKOA(1.57 [1.52-1.61])的关联强于rHOA(1.05 [1.02-1.09])。较高的身高与rHOA呈正相关,但似乎对rKOA具有保护作用。结论:影像学髋关节和膝关节OA表现出不同的相互关系模式、与症状和危险因素的关联,提示疾病过程的异质性以及关节特异性治疗的必要性。

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
描述UKB中影像学髋和膝关节OA的患病情况,评估其与关节疼痛的关联,检查髋膝跨关节相互关系,并探索与BMI、身高、体重、剥夺和种族的关联。
核心机制
影像学髋OA和膝OA在关节间相互关系、症状关联及危险因素关联上呈现不同模式,提示两者为具有异质性的不同疾病过程。
主要证据
对59,475名UKB参与者的双侧髋膝DXA扫描应用机器学习分级;Logistic回归显示膝双侧关联(OR 26.1)强于髋(OR 5.6),跨关节关联较弱;BMI与rKOA关联(OR 1.57)强于rHOA(OR 1.05);身高与rHOA正相关(OR 1.33)而与rKOA负相关(OR 0.82);受累关节数增加与疼痛关联增强(四关节OR 4.3)。
研究意义
研究提示需要对OA采取关节特异性的监测和管理方法,支持多关节OA概念的临床重要性,并强调确保不同剥夺程度人群公平获得照护的必要性。

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。

1

研究人群与影像数据获取

建立横断面研究队列并获取髋膝关节影像数据

纳入截至2024年1月数据提取时具有双侧髋和膝DXA扫描的UKB参与者,使用Lunar iDXA扫描仪仰卧位采集影像

2

机器学习图像分析与rOA分级

从DXA影像中量化骨赘面积和最小关节间隙宽度并生成影像学OA分级

应用经验证的机器学习算法勾画关节形状和rOA特征,测量骨赘面积和最小关节间隙宽度,所有图像经人工复核,按已发表阈值生成髋和膝rOA分级

3

关节疼痛与临床变量评估

获取关节疼痛、医院诊断OA及人口学和临床协变量

通过影像访视问卷获取自报慢性髋和膝疼痛,从住院ICD-10编码获取医院诊断OA,测量年龄、身高、体重,自报种族,计算Townsend剥夺指数

4

rOA与关节疼痛及关节间关联分析

评估rOA分级与疼痛的关联以及双侧和跨关节相互关系

使用Logistic回归分别评估各关节rOA grade 1-4与自报疼痛的关联,以及双侧关节和同侧关节rOA(grade≥2)的相互关系

5

体型、剥夺和种族关联分析

探索rOA与BMI、身高、体重、剥夺五分位和种族的关联

使用Logistic回归评估各关节rOA与TDI五分位、种族以及BMI、肥胖、身高、体重的关联

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
Lunar iDXA扫描仪GE Healthcare--
Stata 18版StataCorp--

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
研究人群与影像数据
参与者纳入标准(具有双侧髋膝DXA扫描)、样本量59,475、年龄范围45-85岁
阅读提示:Materials and Methods的Population小节及Supplementary Figure 1
rOA分级
髋和膝骨赘及关节间隙狭窄分级阈值、grade≥2定义、膝骨赘评分减半处理
阅读提示:Materials and Methods的Generation of radiographic osteoarthritis小节及Supplementary Methods
DXA影像分析
机器学习算法版本、人工复核流程、测量指标(骨赘面积、最小关节间隙宽度)
阅读提示:Materials and Methods的Image Analysis小节、Figure 1及Supplementary Methods
疼痛与协变量
疼痛问卷内容、种族分类、TDI五分位切点、医院诊断ICD-10编码
阅读提示:Materials and Methods的Demographic and clinical variables小节及Supplementary Tables 1-2
统计模型
调整协变量、双侧与跨关节模型设定、敏感性分析细节
阅读提示:Materials and Methods的Statistical analysis小节及Supplementary Methods