骨质疏松患者骨折风险评估工具及分级的研究进展

张红霞，杨巧巧，党晨珀，任 洁

（解放军联勤保障部队第九四〇医院运动医学科1，泌尿外科2，甘肃 兰州 730050）

根据2018 年国家卫生健康委员会组织的流行病学调查结果显示，骨质疏松症（osteoporosis，OP）已经成为我国中老年人群的重要健康问题，50 岁以上人群骨质疏松症患病率为19.2%[1]，骨折是骨质疏松症最严重的后果。骨质疏松性骨折（osteoporotic fractures，OPF）是低能量或非暴力骨折，指在日常生活中未受到明显外力而发生的骨折，亦称脆性骨折[2]。OPF 危害巨大，是老年患者致残和致死的主要原因之一[3]，发生髋部骨折后1 年之内，20%患者可能死于多种并发症，约50%患者致残，严重影响生活质量[4]。OPF 的发生也将增加医疗负担，据报道[5]，我国50 岁以上人群在2010 年大约有233 例OPF发生，花费将近94.5 亿美元，到2050 年或将增加599 万例，预计花费254.3 亿美元。因此，针对OP 人群进行骨折风险评估，从中发现高危人群，对OPF的防治具有重要意义。OPF 风险评估主要包括诊断技术和风险评估工具，诊断技术主要以测量骨密度（bone mineral density，BMD）为主[6]。BMD 是预测骨折风险的重要指标[7]，但骨折风险的多因素特性意味着BMD 不能反映骨折风险的非骨骼决定因素，应考虑独立于BMD 的临床危险因素，因此不建议仅使用BMD 检测进行高危人群筛查。OPF 风险评估工具作为一种非介入的筛查方式，包含了多种临床危险因素，且简便易用，可在临床推广应用。危险因素评估及高危人群筛查是预防OPF 的“第一道关口”，同时也需注意骨折风险评估分层，针对不同风险给予不同的干预管理，做好骨折的二次预防。本文就OPF 风险评估及分级的研究现状展开综述，包括常见风险预测模型、风险评估分级以及展望，以期为高危人群的筛查和管理提供参考。

1 OPF 的危险因素及评估意义

1.1 危险因素 《中国老年骨质疏松症诊疗指南（2018）》[8]指出，OP 及脆性骨折危险因素包括遗传以及环境等多方面因素，主要分为不可控因素与可控因素。其中，不可控因素包括年龄、脆性骨折史、家族脆性骨折史以及过早停经史（＜45 岁），可控因素包括不健康的生活方式，如低BMI、大量饮酒（＞2 U/d）、高钠摄入、低BMD、钙和（或）维生素D 摄入减少、制动、吸烟、低体力活动、跌倒等；影响骨代谢的疾病，如多种内分泌系统疾病、风湿免疫系统疾病等；影响骨代谢的药物，包括促性腺激素受体激动剂、质子泵抑制剂、糖皮质激素等。一项针对我国原发性骨质疏松症危险因素的研究显示[9]，年龄、BMI、吸烟、性别、女性绝经状况作为原发性骨质疏松症的危险因素已达成共识，而饮酒、饮茶等相关因素是否为原发性骨质疏松症的危险因素仍存在一定争议。

1.2 评估意义 骨折是OP 最严重的结局，其中髋部骨折具有高致死率及致残率。因此，早期识别OPF高危人群非常重要。风险评估的最终目的是预防骨折发生，综合以上危险因素建立的骨折风险预测模型，可用于人群筛查骨折高危人群。护士在获取病史以及进行危险因素的评估上发挥着关键的作用，对患者进行风险评估，根据评估结果进行分级管理干预，给予有效防治，可取得更好的成本效益比。

2 常用OPF 风险预测模型

2.1 国外OPF 风险预测模型

2.1.2 英国的QFracture（QFracture Calculator）QFracture 是英国学者Hippisley-Cox J 等[19]于2009年推出的骨折风险计算器，在2012 年进行更新，主要用于计算30～85 岁人群1～10 年内MOF 或仅HF 的累积发病率，可由https://qfracture.org 获得计算模型。QFracture 计算器基于Cox 比例风险模型构建，通过Dagan N 等[20]的外部验证以及同一数据库中120 万人数据的内部验证，被证明在预测英国人口的MOF 上比更准确。最终的模型包括17 个女性的危险因素和12 个男性的危险因素，与不同的是，QFracture 算法不考虑BMD 或骨折史，但包含更详细的信息，如心血管病史、慢性阻塞性肺疾病、糖尿病等变量，全面预测骨折的能力较高，女性AUC 为0.89，男性AUC 为0.86[21]。在OPF风险预测中，如果未来10 年女性和男性的预测结果高于11.1%和2.6%，则视为OPF 高危人群。虽然QFracture 在多项荟萃分析研究中都得到较高的评价，但该工具是基于英国和爱尔兰人群数据构建，在外推时需进一步验证。

2.1.3 澳大利亚的Garvan（Garvan Fracture Risk Calculators，FRC）Garvan[22]是由澳大利亚科研机构于2008 年推出的骨折风险计算器，主要用于计算60岁以上个体5 年或10 年的OPF 风险，可由www.garvan.org.au 获得计算模型。Garvan 基于国际知名的Dubbo 骨质疏松流行病学数据研发，使用Cox 比例风险模型设计了2 种预后模型：模型1 包括年龄、BMD、既往骨折和跌倒；模型2 包括年龄、体重、既往骨折和跌倒，通过了3 个国家6 项研究的验证，是研究较多的OPF 预测工具之一。模型2（不加入BMD）的女性AUC 为0.72、男性AUC 为0.74，均低于模型1（加入BMD），但两模型的总体AUC 与接近，对OPF 风险评估的准确性无明显差异[23]。基于以上研究，在评估过程中骨折的干预阈值设置为评估对象的MDF≥20%或HF≥3%。作为首个预测个体OPF 风险的工具，适合用于个体化的短期和中期骨折风险预测，识别高危个体进行干预，以减少一般人群的骨折负担。Garvan 所需的危险因素容易获得且无需繁琐的计算，具有灵活性和易用性的优势，但是目前仍缺乏大规模、长期随访的前瞻性研究去验证该工具在国内老年人群中的适用性，其外部验证应该是以后研究的发展方向。

2.1.4 其他国家的风险预测模型 丹麦学者Rubin KH等[24]于2018 年推出的FREM（Fracture Risk Evaluation Tool，FREM），主要用于计算45 岁以上个体1年内发生主要HF 或MOF 的风险。该模型基于丹麦国家卫生登记处例行收集的数据构建，Skjødt MK等[25]于2020 年进行了外部验证，并在验证队列中显示了良好的预测性能，这是首个利用人群注册数据库建立的预测模型，可以应用于风险自动化计算，在初级保健部门的常规筛查中具有推广意义。但未考虑研究的15 年内首次骨折发生的时间，可能低估了新发骨折的风险和死亡风险。意大利学者Francesco L 等[26]于2017 推出的FRA-HS，主要用于计算40 岁以上人群10 年内发生HF 或MOF 的风险。FRA-HS 基于意大利全科医疗数据库（HSD）开发，采用“Mille in Rete”数据库作为独立验证队列进行外部验证，根据预测部位分为HF 模型（模型1）和MOF 模型（模型2）。FRA-HS 对HF 预测较可靠，但其对MOF 的预测准确性需要提高。FRA-HS 校准高度依赖于数据的样本量，可能会导致高估或低估OPF 风险。该模型危险因素中未包含OPF 家族史，缺乏BMI 和吸烟数据，可能会对预测结果产生偏差。韩国学者Kim HY 等[27]于2016 年推出的KFRS（Korean Fracture Risk Score，KFRS），主要用于计算50 岁以上人群7 年内个体的OPF 风险，可通过http://www.nhis.or.kr 获得。KFRS 基于韩国全国健康数据库开发，但是该评估工具尚未在独立人群中得到验证。KFRS 作为首个基于亚洲队列开发的个体OPF 风险预测模型，可在缺乏BMD 检测设备的初级保健机构进行风险筛查，但该工具仅适用于韩国人群，国内外仍然需要大量的临床研究对该工具的外推性进行验证。

FREM、FRA-HS 及KFRS 均基于研发国家人群数据库开发，收集患者信息快捷，可用于初级保健部门风险筛查，但由于包含危险因素众多，需依赖临床电子信息系统。以上预测工具各有不足，针对不同人群选择不同的工具，才能获得理想的预测结果。

2.2 国内OPF 风险预测模型 国内目前对OPF 风险的研究仍处于起步阶段，缺乏基于本土老年人群OPF 数据构建的风险预测模型。虽然近年来出现多种评估OPF 风险的方法，但多部指南仍以WHO 推荐的进行风险评估为主，部分学者利用OP风险评估工具结合BMD 检测方式进行OPF 的风险评估，缺乏统一的风险预测模型及干预阈值。而国内现有的OPF 风险预测模型主要基于中医症候要素及部分西医临床要素，应用人群主要针对我国汉族绝经后女性，尚不能完全满足临床实际应用的需求。除此之外，对男性老年人群的风险评估工具研究较少，这也应该是以后研究发展的方向。

3 风险评估分级及管理

3.1 风险评估分级 在国际分层评估趋势下，我国多项骨质疏松症诊疗指南推荐针对具有多种危险因素但未发生骨折的骨质疏松患者，可通过计算患者未来10 年发生MOF 或HF 的概率，并对风险评估结果分级[28]：任何主要骨质疏松性骨折概率＜10%的患者风险评估等级为低风险，任何主要骨质疏松性骨折概率≥10%且＜20%为中风险，髋部骨折概率≥3%或任何主要骨质疏松性骨折概率≥20%的患者风险评估结果为高风险。除此之外，最新版国际骨质疏松管理指南[29]提出极高风险的划分，当计算骨折概率高于阈值上限，或者2 年内发生脆性骨折时，至少应被判定为高风险，甚至为极高风险。章轶立[28]结合BMD、以及其他骨折风险预测工具，制定了可供参考的我国骨质疏松性骨折风险评估路径，对临床医护工作者进行风险评估及分级管理具有一定指导意义。

3.2 风险分级管理 针对OPF 风险评估结果，应选择不同的管理措施。大多数可控的危险因素会直接影响骨生物学，导致骨密度降低，还可能通过其他机制增加骨折的风险。护理人员在评估危险因素之后，可根据患者情况进行相应的健康教育，对于可控的危险因素进行干预。

针对骨折中低风险患者，可引导患者建立更健康的生活方式以及合理使用骨骼健康基本补充剂，鼓励患者定期进行负重锻炼或中等强度运动，支持戒烟，减少酒精摄入；针对高风险患者，除了以上措施以外，重点在于预防跌倒以及协助患者进行抗骨质疏松治疗，根据已制订的跌倒预防路径和指南，指导有效的评估和计划，以及多因素干预的实施与评价，根据骨质疏松类型选择对症的治疗药物并定期进行再次风险评估，预防骨折发生；对于极高风险患者，应协助患者配合医生进行促骨形成的治疗，如甲状旁腺激素等，当促骨形成疗程结束停药后，可使用骨转换抑制剂，维持其增加骨密度和降低骨折的作用[30]。在以上任一阶段中若发生脆性骨折，建议开展骨折联络服务（fracture liaison services，FLS）管理项目，促进初级保健提供者与二级保健提供者之间的多学科协作，实现无缝隙护理，确保对患者进行骨骼健康教育及合并症预防健康教育的连续性，预防二次骨折。

4 总结与展望

4.1 总结 人口老龄化是目前我国面临的严峻问题，OP 已经成为我国中老年人群的重要健康问题，防治OP 的主要目的在于减少骨折的发生，应重视高骨折风险人群的筛查和识别。因此，国内外开发了多种包含临床危险因素的风险预测模型以筛查OPF 的高危人群，在众多风险预测工具中，FRAX、Garvan和QFracture 是目前使用以及验证最多的风险预测模型，而我国对OPF 风险预测模型的开发仍处于初步阶段，值得进一步研究。在国际分层评估趋势下，多篇指南推荐利用FRAX进行骨折风险概率评估，并根据结果进行分级管理，在多学科协作背景下，风险分层评估及管理亟待进一步优化推广。

4.2 展望

4.2.1 选择合适的风险预测模型，完善高危人群的初筛 OPF 风险预测模型在构建时包含危险因素不同，针对不同人群不同部位的预测能力不同，因此在选用预测模型时应多个横向对比，以此选择合适的OPF 风险预测模型。任何预测模型均基于本国人口的流行病学数据构建，在使用前要根据目标人群人口特征对工具内的系数进行校准，以提高预测性能。OPF 风险预测模型包含了多种临床危险因素，且简便易用，可用于缺乏骨密度检测设备的初级保健部门，利用预测模型完成高危人群的初筛，针对高危人群再进一步检测以确诊，减少医疗成本的同时合理分配医疗资源，可取得更好的成本效益比。

4.2.2 建立国内OPF 流行病学数据库，构建风险预测模型 我国幅员辽阔，人口特征的地域性差异大，可以分地区进行当地老年人OPF 的流行病学调查，借助网络技术建立当地的OPF 数据库，在此基础上联网形成全国性的数据库。利用本土人群的流行病学数据构建适合我国老年人的OPF 风险预测工具，并开展大样本、长期随访的研究进行外部验证，确定具有普适性的干预阈值，为在全国范围内的应用奠定基础。

4.2.3 根据OPF 风险评估路径，完善骨折风险分级管理 在临床实践中，推广并完善现有的中国骨质疏松性骨折风险评估路径，根据本土人群数据确定骨折风险的干预阈值。基于风险评估结果，进行骨折风险分级，医护人员及时给予干预，并做好综合管理，才能最大程度地减少OPF 的风险。