一个先进的两阶段模型,具有高灵敏度和通用性,用于预测部骨折风险,使用多个数据集
Shuo Sun1, Meiling Zhou2, Chen Zhao3
1Department of Mathematical Sciences, Michigan Technological University, Houghton, MI, USA.
ArXiv
|November 24, 2025
概括
一个新的两阶段模型改善了老年人关节骨折风险预测. 它结合了临床数据和成像,优于DXA T-score和FRAX等传统方法,用于更早,更准确的检测和预防.
科学领域:
- 老年学是一门学科.
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
背景情况:
- 关节骨折是老年人残疾和死亡的重要原因.
- 目前的风险评估工具 (DXA T-score,FRAX) 在敏感度上有局限性,经常错过高风险个体.
- 需要改进的预测模型,包括临床和成像数据,以早期检测关节骨折.
研究的目的:
- 开发和验证一种用于预测关节骨折风险的新型顺序双阶段模型.
- 加强对高风险关节骨折的个体的早期检测.
- 提高现有的骨折风险评估工具的灵敏度.
主要方法:
- 使用MrOS,SOF和英国生物库研究的数据开发了一种连续的两阶段模型.
- 第1阶段 (选阶段) 使用了临床,人口,生活方式,认知和功能因素.
- 第二阶段 (成像阶段) 结合了来自双能X射线吸收度 (DXA) 扫描的成像特征,以改进预测.
- 进行了严格的内部和外部验证,包括在英国生物银行进行独立测试.
主要成果:
- 与T-score和FRAX相比,序列模型对部骨折风险预测的灵敏度有所提高.
- 该模型通过外部验证显示了不同人群的适应性.
- 循序渐进的方法有效地识别了具有随后部骨折高风险的个体.
结论:
- 新的顺序两阶段模型为老年人关节骨折风险评估提供了更敏感和更准确的方法.
- 这种模式促进了早期检测,可能减少错过的病例和医疗负担.
- 预留高级成像技术在初始查中发现的高风险个体的战略,为个性化骨折风险评估提供了一种具有成本效益的方法.
