基于DXA的形状和强度的统计模型优于aBMD部骨折预测:一项回顾性研究
Alessandra Aldieri1, Margaret Paggiosi2, Richard Eastell3
1Polito(BIO)MedLab, Politecnico di Torino, Italy; Department of Mechanical and Aerospace Engineering, Politecnico di Torino, Torino, Italy.
Bone
|February 21, 2024
概括
结合形状和密度的新DXA模型提高了比传统的面积骨矿物质密度 (aBMD) 评估更准确的部骨折预测准确度. 这为在老龄化人口中识别有风险的个体提供了更有效的工具.
科学领域:
- 放射学和医学成像学 医学成像学
- 生物医学工程 生物医学工程
- 老年学是指老年学的学科.
背景情况:
- 面积骨矿物质密度 (aBMD) 是目前评估关节骨折风险的标准,但其预测准确性有限.
- 大约50%的关节骨折发生在未被aBMD识别为高风险的个体中.
- 准确的预测工具对于全球人口老龄化中的预防策略至关重要.
研究的目的:
- 开发和评估基于DXA的统计模型,用于预测关节骨折风险.
- 评估模型的预测性能,利用近端大腿骨形状,强度 (密度) 和它们的组合.
主要方法:
- 从DXA图像中开发了近端大腿骨形状和强度的统计模型.
- 使用部分最小平方 (PLS) 算法提取形状,强度和组合形状强度组件.
- 使用前三个PLS组件构建了后勤回归模型,并使用十倍交叉验证进行了验证.
主要成果:
- 形状强度模型的AUC为0.83 (95%CI为0.73-0.90),显著超过仅形状模型 (AUC为0.59).
- 仅使用强度模型的AUC值为0.80 (95%CI为0.70-0.90).
- 形状强度模型的性能明显优于单独的aBMD (AUC 0.72,95%CI 0.59-0.82).
结论:
- 建议使用DXA成像进行部骨折风险评估的新方法.
- 从DXA中整合近端大腿骨形状和密度信息可以提高骨折风险预测.
- 这种方法比传统的aBMD测量更准确,用于识别有风险的个体.


