《European Radiology》:Prevalence and predictors of silent vertebral compression fractures using DXA: a UK Biobank Imaging Study
编辑推荐:
目的:无症状椎体骨折(silent vertebral fractures)常见但认识不足。本研究旨在利用UK Biobank数据,估算无症状人群中的患病率,并识别人口统计学及临床预测因素。
材料与方法:对2446名年龄40–79岁的无症状UK Biobank
目的:无症状椎体骨折(silent vertebral fractures)常见但认识不足。本研究旨在利用UK Biobank数据,估算无症状人群中的患病率,并识别人口统计学及临床预测因素。
材料与方法:对2446名年龄40–79岁的无症状UK Biobank参与者所采集的双能X线吸收测量法(DXA)脊柱影像进行了回顾性分析。椎体骨折定义为中度或重度畸形(椎体高度丢失≥25%)。骨折通过人工智能辅助六点形态计量算法(artificial-intelligence-assisted six-point morphometric algorithm)识别,并经人工校正及放射科医师确认。研究人员分析了骨折与年龄、性别、骨密度(BMD)、体质指数(BMI)、用药史及背痛之间的关联。
结果:共分析2446名参与者(平均年龄62.0±7.4岁;男性1151名)。在356名参与者(14.6%)中识别出中度或重度椎体骨折。患病率随年龄增长而增加,从40–49岁年龄组的9.4%上升至70–79岁年龄组的19.6%。男性骨折发生率高于女性(18.8%对10.8%;女性相对于男性的校正比值比(OR)为0.51,95%置信区间(CI)0.40–0.66;p<0.001)。骨密度(BMD)及大多数常规临床风险因素的预测价值有限。
结论:无症状椎体骨折在中年人群中常见,常发生于骨密度正常的个体中,且男性更为多见。常规临床风险因素识别受累个体的能力有限。
关键要点:
•问题:无症状椎体骨折在无症状个体中常被忽视,其在中年人群中的患病率及人口学分布尚未得到充分描述。
•发现:在一个大型无症状队列中,椎体骨折较为常见,以男性为主,且常发生于无低骨密度(BMD)或已知临床风险因素的个体中。
•临床相关性:无症状椎体骨折在无症状成人中普遍存在,且常规风险评估难以捕捉,提示当前骨折识别方法存在局限性。
论文解读:无症状椎体压缩性骨折的患病率与预测因素——基于UK Biobank影像学研究的系统分析
一、研究背景与问题提出
椎体骨折(vertebral fractures)是临床上常见的骨骼损伤类型,在英格兰和威尔士地区每年约有66,000例有症状病例被确诊,其中许多为偶然发现。然而,大量椎体骨折患者并未意识到自身存在骨折,也回忆不起急性背痛或外伤史。此类无症状骨折往往长期存在,可能先于后续骨折发生,进而导致身高丢失、功能衰退及死亡率增加。早期医学干预可能改善预后。
既往研究对椎体骨折患病率的估算差异极大,取决于影像技术和诊断标准。欧洲椎体骨质疏松研究(European Vertebral Osteoporosis Study)报告的患病率为12–20%,而其他影像学研究报告的数值从4%到超过60%不等。基于CT和X线摄影的队列研究报告的患病率较低,可能反映了病例选择及诊断阈值的差异,尤其是仅纳入临床显性骨折并排除轻度或无症状畸形的情况。此外,许多椎体骨折患者骨密度(BMD)正常或仅呈骨量减少,凸显了单纯依赖BMD预测骨折的局限性。
现有研究多聚焦于有症状或老年人群,对中年无症状成人中隐匿性椎体骨折的患病率及预测因素仍缺乏清晰认识。常规DXA影像提供了机会性椎体骨折评估(VFA)的可能。基于此,研究人员利用UK Biobank的全脊柱DXA影像数据,旨在估算40–79岁无症状成人中隐匿性椎体骨折的患病率,并识别人口统计学及临床预测因素,采用人工智能辅助形态计量学结合放射科医师验证的方法确保骨折评估的标准化。
二、研究设计与技术方法
本研究为基于UK Biobank的回顾性队列研究。UK Biobank是一项前瞻性人群研究,纳入约50万名参与者,其中10万人接受了全脊柱DXA影像及椎体骨折评估(VFA)。研究在申请编号17295下开展。DXA扫描(GE iDXA,软件v16.00.158)于2014至2016年间在斯托克波特临床研究机构完成,覆盖T4–L4椎体水平。影像质量不佳的椎体被排除。研究排除了既往有脊柱外伤或已知椎体骨折的参与者。最终纳入2446名无既往脊柱骨折或外伤的参与者进行分析。
骨折检测采用自动化六点形态计量算法(IoMSpine,Optasia Medical),该算法计算椎体前缘、中央及后缘高度并推导标准形态计量比值。自动化输出结果由经过培训的放射技师复核并在必要时手动调整。所有病例均由经验丰富的肌肉骨骼放射科医师在不知晓临床信息的情况下独立验证。骨折严重程度根据椎体高度丢失百分比分为中度(25–39.9%)和重度(≥40%)。两名放射科医师独立复核100例随机选择的病例(1287个椎体)以评估观察者间一致性,采用Cohen加权kappa和Fleiss kappa统计量。统计分析使用R软件(4.3.0版)完成,采用多变量逻辑回归估算校正比值比(OR)及95%置信区间(CI),并探索逻辑回归和随机森林模型的预测性能。
三、研究结果
队列特征:在2466名符合条件的参与者中,20名因既往脊柱损伤被排除,最终2446名进入分析(平均年龄62.0±7.4岁;男性1151名)。在T4–L4共32,058个评估椎体中,220个(0.69%)因影像质量不佳被排除。
椎体骨折患病率:中度或重度椎体骨折(≥25%高度丢失)在356名参与者(14.6%)中被识别。患病率随年龄增长从40–49岁组的9.4%上升至70–79岁组的19.6%,且男性高于女性(18.8%对10.8%)。纳入轻度畸形(20–24.9%)后,患病率增加至约30%。在经放射科医师裁决的骨折中,42.3%为轻度、53.5%为中度、4.2%为重度。
放射学评估与观察者一致性:骨折分类基于自动化六点形态计量、手动调整及放射科医师验证的组合方法。放射科医师之间的观察者间一致性为实质性(Fleiss κ=0.74),支持形态计量骨折识别的可重复性。自动化系统与放射科医师裁决之间的一致性较低(κ=0.31),反映了在DXA-VFA上区分真实骨折与生理性椎体形态变异及退行性改变的固有挑战。假阳性分类最常见于骨赘形成、终板不规则、椎体楔形变(包括Scheuermann型畸形)及脊柱倾斜(包括脊柱侧弯)等退行性特征。
骨折分布与形态:骨折最常位于胸中段及胸腰段区域。形态计量高度丢失呈连续分布,放射科医师分类的骨折较非骨折椎体表现出更显著的压缩程度。多发骨折个体比例随年龄增长而增加,但年轻参与者中也可观察到多发骨折。
临床预测因素:在多变量分析中,年龄和性别是最强的预测因素。70–79岁参与者较40–49岁参与者骨折几率增加(校正OR 2.12,95% CI 1.15–4.21;p=0.015),女性骨折几率低于男性(校正OR 0.51,95% CI 0.40–0.66;p<0.001)。骨密度(BMD)仅与骨折存在弱关联,骨量减少与风险增加无关,骨质疏松呈适度关联(校正OR 1.95,95% CI 1.11–3.28)。骨折常见于BMD正常的个体中。体质指数(BMI)表现出更明确的相关性,肥胖独立关联骨折(校正OR 1.99,95% CI 1.43–2.77)。近期背痛与骨折存在无关联。
预测建模:纳入临床变量的预测模型判别能力有限(敏感性44.4%,特异性68.2%),表明影像学评估能够识别常规风险因素无法捕捉的骨折。
四、讨论与结论
本研究在人群为基础的无症状成人队列中发现,14.6%的个体存在中度或重度椎体骨折,患病率随年龄增长而增加且男性持续高于女性。骨折在较年轻参与者中已存在,且常见于无低BMD的个体。常规临床风险因素识别受累个体的能力有限。
本研究的核心优势在于采用结构化的放射学工作流程,将自动化六点形态计量与人工校正及专家复核相结合。放射科医师间的一致性为实质性,支持DXA图像上形态计量骨折评估的可重复性。自动化输出与放射科医师裁决间的一致性较低,主要源于区分真实骨折与退行性改变及生理性椎体形态变异的挑战。骨折在胸中段及胸腰段的聚集分布与已知生物力学应力模式一致,支持研究发现的生物学合理性。
年龄和性别是最强的骨折预测因素。男性中较高的患病率与临床显性骨质疏松性骨折的传统模式形成对比,提示无症状形态计量畸形可能具有不同的流行病学特征,可能反映累积机械负荷、椎体几何结构及退行性改变模式的差异。DXA衍生的BMD是二维测量指标,不能完全反映骨质量或结构完整性,BMD与骨折存在之间的弱关联与椎体骨折风险的多因素性质一致。BMI与骨折的明确关联可能反映轴向负荷增加或脊柱生物力学改变,而非经典骨质疏松机制。近期背痛与骨折无关联,强化了椎体骨折常保持临床隐匿、不能仅凭症状可靠识别的概念。
本研究存在若干局限性:UK Biobank队列由志愿者组成,可能不完全代表一般人群;横断面设计无法确定骨折发生时间或进展;症状严重程度和持续时间信息有限;尽管自动化与放射科医师复核相结合的方法可能提高特异性,但在缺乏外部参考标准的情况下,椎体畸形的一定程度错误分类不可避免;DXA-VFA的空间分辨率低于X线摄影或CT,但对本研究主要结局即中度和重度骨折具有良好的检测性能。
结论:无症状椎体骨折在无症状成人中常见,自中年起即存在,且男性更为多见。许多骨折发生于无低BMD的个体中,无法通过常规临床风险因素预测。放射学评估,包括DXA影像上的机会性评估,在识别这一认识不足的疾病中发挥关键作用。