年龄与体重在预测绝经后白人女性患骨质疏松症中的重要性
原文作者Manfred Wildner,Andrea Peters, Vibhavendra S. Raghuvanshi,Jouml;rg HohnloserUwe Siebert
单位:1.Bavarian Public Health Research Center
and Institute for Medical Informatics, Biometry and Epidemiology,
Ludwig-Maximilian University, Munich, Germany
2.Harvard Injury Control Research Center, Boston,
Massachusetts, USA
3.Harvard Center for Risk Analysis, Boston, Massachusetts, USA
4.Bavarian Health and Food Safety Authority, Veterinauml; rstr.2,
85762, Oberschleissheim, Germany
摘要:识别出患骨质疏松症的高危妇女对于预防骨质疏松性骨折至关重要。常规的对于全妇女人群的骨密度测量对大多数人口并不理想,因此将高危的那部分妇女辨别出来成了有效的预防策略的重要部分。方法:我们让959名51岁及以上的绝经的非西班牙妇女参与研究,来评估股骨近端与股骨颈处低骨密度的各危险因素的相对贡献。我们经过系统文献搜索,确认了公认的骨质疏松症危险因素,基于此,我们利用之前的双变量分析得出的结果,建立了一些多元线性回归模型。我们通过调整r2,ROC和C值分析,而不是对系数和P值来评估他们的解释能力。 我们进一步检查了我们的首选模型的灵敏度,特异性和预测值,各种不同的T值选择取决于不同的研究目标和人群特点。结果:年龄和体重目前是20个候选风险预测因子列表中的低骨密度最佳预测因子。 因此,我们对两个地区的首选预测模型只包含两个变量:年龄和测得的体重,所得到的用于预测全股骨近端BMD的简约模型具有0.43的调整r2,ROC曲线下面积为0.85,并且C值为0.70。 同样,对股骨颈BMD的预测已经调整r2,曲线下面积和C值分别为0.39,0.83和0.66。 结论:模型方程预测T值 = -1.332-0.0404times;(年龄) 0.0386times;(测得体重),全部股骨近端和股骨颈的预测T值 = -1.318-0.0360times;(年龄) 0.0314times;(测得体重),两者分别可以用于筛选目的的不同情况之下。 更复杂的预测方程几乎没有增加解释力。 根据研究目标和人口特征,必须在使用这些方程式之前决定特定的T值的cutoff。
关键词:骨质疏松症; 危险因素; 预测模型; 骨密度;筛查
前言:
识别出患骨质疏松症的高危妇女对于预防骨质疏松性骨折至关重要。经估计,对于骨质疏松的筛查与对于高血压的筛查有着相似的成本效果[15,30,36,37]。目前骨密度(BMD)测量已被用于鉴定骨质疏松症。 然而,对所有女性进行常规BMD测量对于大多数人群来说是不可行的[21,24]:昂贵[13]并且不能全人群适用。 此外,还不清楚哪一部分妇女应进行BMD测量。 因此,鉴定高危妇女是有效预防策略的重要组成部分。 这成为公共卫生领域的一项重要任务,其目标是将一些妇女高效地识别出来,再让她们通过简单易行的临床工具进一步评估。以往文献中已经提出了多种低BMD风险预测因子。 他们中的许多已被认定为统计学上有显著性意义,没有评估他们在临床意义上预测BMD方面的贡献。
在这项研究中,我们试图评估所有已知的骨质疏松症风险因素是否同样重要,以预测女性骨质疏松症。 我们也试图找出一系列风险因素,这些因素在实践中用于识别高风险亚组更具有信息量和便利性。
方法:
我们使用NHANES III公共文件来建立我们的预测模型。为此我们对现有文献进行了系统的研究,以确定骨质疏松症的危险因素。进行双变量分析以确定风险因素与骨质疏松症之间的关联等级,并进行多元线性回归分析。 计算不同模型的调整r2,C值和曲线下面积(AUC)。 我们最终基于实用性和简约性选择了一个模型。 我们将预测的T-评分(之后将会描述)分成骨质疏松症和非骨质疏松症,并计算不同T分数预测值的敏感性,特异性。 整个过程遵基于两个股骨部位:整个股骨近端区域和股骨颈区域。
我们使用1988 - 1994年期间进行的美国第三次全国健康和营养调查(NHANES III)的“公共使用”文档来评估潜在风险预测因子。NHANES III是美国疾病控制和预防中心卫生统计中心自1960年以来进行的一系列研究中的第七个。NHANES III分两期抽取独立随机样本:1988年10月至1991年10月的第一阶段,以及1991年9月至1994年10月的第二阶段。总共有33994名2个月大及以上的参与者(http://www.cdc.gov/nchs/ nhanes.htm)。 在为期6年的期间,20,050人参加了基于问卷的调查。在这20,050名参与者中,有14,646人有可接受的髋骨扫描,其中女性为7,532人(51.4%),51岁以上的有3,198人。 其中,非西班牙裔白人1828人,第一阶段参加者869人,第二阶段参与者959人。 我们在研究中使用了第二阶段的参与者。
我们通过Medline和Healthstar搜索确定了骨质疏松症的各种风险因素。 检索内容包括1985年至1999年间以英文和法文出版的以“骨密度”或“密度计,X光片”和“风险”或“危险因素”为关键词/短语的论文。因此,我们共鉴定了888篇文章,其中14篇研究被选定用于识别风险因素([2,3,7,8,9,12,17,18,22,23,26,29,31,32])。纳入标准包括使用光子吸收测量法(SPA,CPA),单能量吸收测定法(SXA),双能X射线吸收测定法(DXA),定量超声波(QUS),定量计算机断层扫描术(QCT)磁共振(QMR)的骨密度测量,另外每个研究都有超过100位大于40岁的参与者。
我们选择NHANES III作为研究对象,因为它特别强调了获得骨质疏松症及其危险因素的信息[4,19,20,34],并且我们从Medline和Healthstar搜索中发现的大多数危险因素都包含在这个研究中。 表1列出了各种危险因素。我们将分析限制在年龄在51岁以上的白人非西班牙绝经后妇女,进行髋部有效的BMD测量,缺失数据不超过50%。 因此有959名女性可供我们的研究。 我们使用T评分来衡量世界卫生组织推荐的BMD。 T值是表示BMD的数据,表示测试结果与同性年轻人的平均值相差的SD的数量[37]。 骨质疏松症定义为比绝经前妇女的平均值低2.5或更多的BMD(T值lt;2.5)[15,37]。
表1本研究中鉴定和评估的骨质疏松症危险因素
危险因素 |
测量单位 |
采访时年龄 |
年 |
测量重量 |
公斤 |
测量身高 |
英寸 |
BMI |
千克/平方米 |
活产总数 |
|
曾经有关节炎 |
|
髋部损伤/骨折 |
|
BIA(身体阻抗分析)电阻 |
欧姆 |
手腕损伤/骨折 |
|
BIA 1电抗 |
欧姆 |
过去5天内吸食的香烟数量 |
|
髋关节侧扫描 |
|
脊柱损伤/骨折 |
|
规律性喝coffee |
次数/月 |
母系骨质疏松症 |
|
钙 |
Mg |
规律喝茶 |
次数/月 |
酒精 |
G |
基于这一分类,我们使用了T值为-2.5或更低(骨质疏松症=T值lt;2.5; 非骨质疏松症=T值gt;2.5)作为骨质疏松症的金标准。 我们的研究中,我们使用双能X射线吸收测量法(DXA)测量两个位置(整个股骨近端和股骨颈)的BMD测量值,分别使用两个不同能量的X光[1]。 所有研究参与者都进行了这两个站点的BMD测量。 所有经DXA测得T值lt;-2.5的女性被确定为骨质疏松症病例,T值gt; 2.5的患者确定为无骨质疏松症。
每个潜在的危险因素或预测变量(表1)使用来自两个位点的T值用骨质疏松交叉表计算P值(表2)。 由于这两个区域的结果几乎相同,因此只给出整个近端区域的结果。 这种双变量分析被用来运行不同的分析模型,使用强制输入法预测T分数。 我们根据他们解释骨质疏松症变异性的能力(调整r2)而不是他们的系数和P值来选择模型。 我们运行受试者工作特征(ROC)曲线并确定所有模型的AUC。 真实的T分数(黄金标准)被用作这个状态变量。 我们还计算了这些模型的C值[10,11]。 我们采用这种方法,因为在几个模型中,系数几乎没有变化,但是P值显着不同。 我们对整个股骨近端和股骨颈区域进行了这些步骤。
最后,我们将基于我们的优选模型(年龄和测量体重)的预测T分数二分为骨质疏松组和非骨质疏松组,使用lt;=2.5的T值作为cutoff。 然后,我们将二分类的预测T值与骨质疏松症的金标准测量结果进行交叉列表,并计算预测分数(T值,lt;2.5,lt;2.3)的不同分值的敏感性,特异性,阳性和阴性预测值,lt;)2.0,lt;)1.9等)。 两个地区分开进行了这项工作。 两者的黄金标准只来自各个地区。
表2有骨质疏松症风险因素的受访者人数a
lt;
剩余内容已隐藏,支付完成后下载完整资料
英语原文共 7 页,剩余内容已隐藏,支付完成后下载完整资料
资料编号:[280254],资料为PDF文档或Word文档,PDF文档可免费转换为Word
风险因素 |
骨质疏松症(n = 189) |
没有骨质疏松症(n = 770) |
采访时年龄(SD) |
77* (8.65) |
68 (10.42) |
测量重量(SD) |
57* (11.10) |
72 (14.85) |
测量身高(SD) |
61* (2.89) |
63 (2.38) |
BMI(SD) |
23.40 (4.36) |
28.12 (5.52) |
活产总数(SD) |
2.7b (1.67)* |
3.06 (1.79)c |
曾经有关节炎(%) |
78 (41.27%) |
361 (46.88%) |
髋部损伤/骨折(%) |
11 (5.82%)* |
10 (1.30%) |
BIA(身体阻抗分析)电阻(SD) |
832.41 (1352.49)d |
957.50 (1897.89)e |
手腕损伤/骨折(%) |
28 (14.81%)* |
71 (9.22%) |
BIA 1电抗(SD) |
301.70 (1439.01)d |
492.50 (1897.89)e |
过去5天内吸的香烟数量(SD) |
33.83 (144.81) |
22.92 (107.25) |
髋关节侧扫描 |
189 |
770 |
脊柱损伤/骨折(%) |
8 (4.23%)* |
14 (1.82%) |
以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
您可能感兴趣的文章
- 通过在消费者心中树立品牌关系导向来提高酒店品牌绩效外文翻译资料
- “友好“抱怨行为:走向亲密的手段外文翻译资料
- 服务蓝图:针对关键服务流程的有效方法-在四星级国际酒店Arash Shahin 管理部进行案例研究外文翻译资料
- 组织中女性高管职业生涯规划与晋升的视角:连锁性别偏见的经验,双重束缚,和不成文的晋升规则外文翻译资料
- 影响优秀员工工作满意度的激励因素识别外文翻译资料
- 探索离职意向的影响因素:以豪华酒店员工为例外文翻译资料
- 新冠肺炎疫情下,中国酒店旅游业面临的挑战与机遇外文翻译资料
- 酒店Twitter账号的营销效果:以沙特阿拉伯为例外文翻译资料
- 酒店旅游市场营销外文翻译资料
- 中国经济型酒店SWOT分析外文翻译资料