基因增强DXA-BMD预测模型在不同种族和地理群体的性能变化:风险预测研究

科学领域:

• 遗传学和基因组学 遗传学和基因组学
• 生物统计学 生物统计学
• 骨质疏松症的研究研究.

背景情况:

• 骨质疏松症是一个重大的全球健康问题,增加骨折风险.
• 双能X射线吸收计 (DXA) 是骨矿物质密度 (BMD) 评估的标准,但成本昂贵且复杂.
• 使用遗传和临床数据的预测建模为骨质疏松症和骨折风险评估提供了具有成本效益的替代方案.

研究的目的:

• 开发和验证使用来自英国生物库 (UKBB) 的遗传和临床数据的BMD预测模型.
• 评估这些模型在不同种族和地理群体中的表现.
• 评估预测的BMD与10年脆弱性骨折风险的关联.

主要方法:

• 开发了使用LASSO回归的腿部部 (FNK) 和腰椎 (SPN) 的BMD预测模型.
• 从17964名UKBB参与者中利用了遗传变异 (SNP) 和临床因素 (性别,年龄,身高,体重).
• 在5个UKBB测试组和12个独立队列上验证了模型,并在287,183名欧洲白人参与者中评估了骨折风险.

主要成果:

• 在英国白人个体中,模型获得了高R2值 (FNK: 27.70%,SPN: 48.28%).
• 结合遗传因素,比单独的临床因素,改善了2.3% (FNK) 和3% (SPN) 的BMD预测.
• 预测的BMD与脆弱性骨折风险降低显著相关 (HRs:FNK为0.83,SPN为0.72).
• 在非白人族群和独立队列中,模型性能下降.

结论:

• 结合遗传和临床因素可以提高BMD预测的准确性.
• 调整基因变异的纳入值可以提高模型的解释能力.
• 在多样化的人口中开发模型对于跨种族的公平预测性能至关重要.