在部骨折的形预测:改善落模型和扩展对具有不同风险概况的队列进行验证
Giacomo Savelli1, Sara Oliviero1, Marco Viceconti1
1Department of Industrial Engineering, Alma Mater Studiorum - University of Bologna, Italy.
Journal of the mechanical behavior of biomedical materials
|September 6, 2025
概括
这项研究引入了BoneStrength,一种In Silico试验技术,用于预测骨骨折的发生率. 该计算模型准确地复制了虚拟患者队列中的跌倒现象和骨折率,显示了骨质疏松症治疗发展的前景.
科学领域:
- 生物医学工程
- 计算生物学
- 老年学
背景情况:
- 骨质疏松症是一个全球性的健康挑战,传统的临床试验面临成本和道德限制.
- 计算方法为开发和评估生物医学干预提供了有希望的替代方案.
- 精确预测骨折发生率对于有效治疗骨质疏松症至关重要.
研究的目的:
- 评估骨强度试验技术,用于预测骨折的发生率.
- 根据临床数据实施模拟落现象的新方法.
- 在具有不同风险的虚拟队列中评估 BoneStrength 的准确性.
主要方法:
- 通过近端大腿骨的有限元素 (FE) 模型生成三个虚拟患者队列 (N=1270,1249,1262).
- 使用多尺度随机模型对负二项分布的落事件进行建模并估计冲击力.
- 通过FE分析和马尔科夫链方法确定特定受试者的股骨强度和预测骨折发生率.
主要成果:
- 在这三组人群中,骨折发生率预计为12±4,16±3和37±7.
- 这些预测与报告的临床数据 (分别为8,14和41) 非常一致.
- 该模型成功地复制了各种虚拟群体的跌倒现象和骨折发生率.
结论:
- 试验 BoneStrength In Silico 技术在模拟跌倒事件和预测骨骨折发生率方面表现出能力.
- 这些发现支持BoneStrength在未来开发关节骨折预防策略方面的潜力.
- 这种计算方法为生物医学干预评估提供了成本效益和道德合理的替代方案.


