构建和验证基于多维健康指标的骨质疏松风险预测模型:基于两个中心的大型样本横截面研究
Zhifeng Cai1,2,3, Xun Lu4, Hua Ni5
1Central Portion, Zhangjiagang Center for Disease Control and Prevention, Zhangjiagang, Jiangsu, 215600, China. cccczfeng1999@163.com.
BMC musculoskeletal disorders
|October 17, 2025
概括
使用多维健康数据的新骨质疏松风险模型显示,对老年人早期查有希望. 这种全面的方法提高了骨质疏松症预防的预测准确性.
科学领域:
- 老年学是一门学科.
- 公共卫生 公共卫生
- 生物统计学 生物统计学
背景情况:
- 骨质疏松症的患病率在老年人群中正在增加.
- 目前的查方法往往集中在单一因素上,限制了有效性.
- 需要全面的,多维的骨质疏松风险预测模型.
研究的目的:
- 开发和验证老年人骨质疏松症多维风险预测模型.
- 通过使用综合健康数据,确定骨质疏松症的关键风险和保护因素.
- 为了比较不同的机器学习算法的性能,用于骨质疏松风险预测.
主要方法:
- 一项涉及两个中心15307名老年参与者的横截面研究.
- 数据收集包括人口统计,生理学,生活方式,营养和实验室测试.
- 后勤回归和五种机器学习算法被用来构建和比较预测模型,在训练,内部和外部数据集上进行验证.
主要成果:
- 整体骨质疏松症的患病率为25.3%.
- 独立的危险因素包括年龄和心率;保护因素包括BMI,教育,职业,运动,牛奶摄入量,血红蛋白和甘油三.
- 物流回归模型在所有数据集中显示出稳定的预测性能 (AUCs ≈0.68).
结论:
- 一个多维骨质疏松风险预测模型显示出良好的区分能力,校准和临床实用性.
- 该模型是早期查和精确预防骨质疏松症的有效工具.
- 职业类型,日常运动和血红蛋白水平被确定为重要的预测因素.
