文献类型：学位论文

中文题名：椎体脂肪化对骨质疏松骨折风险的评价意义及预测模型构建

作者：郑杰文[1];

机构：[1]绍兴文理学院;

导师：何磊;绍兴文理学院|胡旭军;绍兴文理学院|张亚军;绍兴文理学院

授予学位：硕士

语种：中文

中文关键词：椎体脂肪化;骨质疏松性压缩性骨折;危险因素;脊柱MRI;预测模型

中文摘要：背景:椎体骨质疏松性压缩性骨折(Osteoporosis Compression Fractures,OCFs)是骨质疏松症的常见临床并发症。OCFs具有发病率高、致畸率高和二次骨折风险高等特点,这些特征对患者的生活质量有着深远影响。因此,早期准确预测OCFs发生至关重要。随着个体年龄增长,体内间充质干细胞(Mesenchymal Stem Cell,MSCs)分化逐渐从成骨方向向成脂方向转移,在脊柱椎体层面表现为骨脂肪化增多和骨量减少(骨质疏松)。最近的研究表明,体内脂肪化与OCFs之间存在相关性,而椎体脂肪化严重程度与OCFs是否存在相关性尚不明确。方法:我们对2011年至2021年期间在绍兴市人民医院,台州医院和丽水中心医院的病历进行了回顾性分析。将诊断为椎体OCFs的患者定义为骨折组,将健康体检患者定义为非骨折组。对脊柱MRI影像失状位进行数据测量并定义三项指标,包括椎体脂肪信号比(Fat Signal Ratio,FSR)、椎体脂肪面积比(Fat Area Ratio,FAR)和椎体脂肪指数(Fat Index,FI)。对三个指标进行统计学分析,然后按照年龄或者性别进行亚组分析。为了识别OCFs的潜在危险因素,我们采用Lasso回归分析进行多变量分析,并由此构建列线图。随后,通过受试者工作特征(Receiver Operating Characteristic,ROC)曲线、校正曲线和决策曲线分析(Decision Curve Analysis,DCA)评价诺模图的预测准确性和临床应用价值。结果:本研究共纳入860名患者,其中骨折组476名,非骨折组384名。我们研究发现FSR、FAR和FI三项指标数值在骨折组中明显高于非骨折组,两组之间存在显著差异。同时我们的预测模型显示,FSR、FAR、BMI、血钙以及高密度脂蛋白五个变量与OCFs存在相关。在训练集中,ROC曲线下的面积为0.824,在验证集中,ROC曲线下的面积为0.834,表明该模型表现出较强的区分性能。此外,预测结果与训练集和验证集中的实际观察结果非常吻合。决策曲线分析(DCA)曲线表明,该模型提供了大量的净临床获益。结论:我们定义了三项椎体脂肪化指标并建立了一个新的数值模型,能够准确预测OCFs发生相关的潜在风险因素。该模型可作为指导具体临床决策的有价值的工具。