论文部分内容阅读
背景:骨质疏松症由于其高患病率、高经济负担、高致残致死率的疾病特点,目前已成为全世界范围内的一项公共健康问题。正因如此,骨质疏松症的疾病管理也愈发强调疾病的早期预防、早期检测和早期治疗。本论文旨在立足于骨质疏松症的早期预防和早期检测,利用健康大数据从多个角度分析潜在骨质疏松症相关危险因素。与此同时,本研究将基于疾病危险因素和预测模型建构原理来开发新型骨质疏松症筛查模型和工具,为未来的骨质疏松症的预防和筛查提供新的选择和策略。目的:1.本论文旨在基于健康大数据从生活方式、饮食营养、实验室检查等多角度分析和探索潜在骨质疏松症相关危险因素;2.本论文将基于骨质疏松症危险因素资料构建新型骨质疏松症筛查模型,并开发相应的实用筛查工具。同时,本论文将通过国内单中心前瞻性临床研究,对开发的骨质疏松症筛查模型和工具进行评估与优化,从而为未来的骨质疏松症的疾病管理提供新的理论和方法支持。方法:1.本研究利用线性回归、logistic回归、非线性拟合等统计学方法从生活方式、饮食营养、实验室检查等多个角度评估包括夜间睡眠时长、睡眠模式、膳食纤维摄入（dietary fiber intake,DFI）、高密度脂蛋白胆固醇（high-density lipoprotein cholesterol,HDL-C）、炎症指标在内的多个独立因素与骨密度（bone mineral density,BMD）以及骨质疏松症风险的相关性。2.基于健康大数据,本论文利用危险因素资料构建了针对五十岁及以上中老年人群的骨质疏松症初级（primary osteoporosis screening tool,POST）和次级（secondary osteoporosis screening tool,SOST）筛查工具。同时,本论文基于POST和SOST并利用R语言等软件开发了相应的实用筛查工具,包括评分工具和网页在线程序。另外,本论文评估并验证了POST和SOST在骨质疏松症筛查中的表现（包括模型区分度、模型校准度、灵敏度、特异度等）。最后,我们开展了一项单中心前瞻性临床研究来对POST和SOST进行评估与优化。结果:1.本论文基于健康大数据发现:（1）关于生活方式方面:较长的夜间睡眠时长（大于8小时/天）以及不良睡眠模式（尤其是“较长的夜间睡眠时长合并较晚的入睡时间”的睡眠模式）与降低的BMD水平或升高的骨质疏松症风险存在明显的相关性。（2）关于饮食营养方面:在对协别量进行调整后,本研究没有观察到DFI与BMD之间的线性相关性。但是,非线性拟合的结果则显示DFI与BMD在男性中呈倒U型曲线关系。（3）关于实验检查方面:HDL-C水平与BMD呈明显负相关性,并且高HDL-C水平与升高的骨量减少或骨质疏松症风险呈明显相关性,这些相关性主要在50岁及以上女性中观察到;升高的系统免疫炎症指数或中性粒细胞淋巴细胞比值在绝经后女性中与降低的BMD以及升高的骨质疏松症风险呈明显相关性。2.本论文基于健康大数据和骨质疏松症危险因素建立了两个新型骨质疏松症筛查模型和工具。（1）POST:该模型利用年龄、性别、体重信息建立,其对于骨质疏松症人群的识别展现出良好的表现[受试者工作特征曲线（receiver operating characteristic,ROC）下面积（area under curve,AUC）为0.81（95%置信区间:0.79至0.83）]。同时,POST（阈值:≥7分）在骨质疏松筛查中（验证队列）的灵敏度、特异度、阳性预测值（positive predictive value,PPV）以及阴性预测值（negative predictive value,NPV）分别为91.57%、42.28%、22.18%以及96.54%。（2）SOST:该模型利用年龄、性别、体重指数、夜间睡眠时长、既往骨折病史等临床信息建立,其在骨质疏松症筛查中表现出出色的区分度（AUC:0.849,95%置信区间:0.820至0.878）和良好的校准度（布里尔分数:0.062,95%置信区间:0.054至0.070）。同时,在最大约登指数所确定的最佳阈值下,SOST的灵敏度和特异度分别达到84.10%和72.90%。另外,本论文还基于SOST模型开发了一个实用的网页在线工具来运用于骨质疏松症的筛查当中。最后,本论文证明了无论单独使用还是POST和SOST的联合对于国内50岁及以上中老年人群骨质疏松症的筛查同样展现出较好的性能和效果。结论:1.对于存在夜间睡眠时长过长、不健康的睡眠模式、高HDL-C水平或炎症指标水平升高的中老年人群,临床医生应警惕其潜在的骨质疏松症风险。本论文的研究成果也将为未来骨质疏松症的早期预防提供新的理论和经验支持。2.本论文证明了本研究所自主开发的新型骨质疏松症筛查模型和工具在中老年人群骨质疏松症的疾病筛查中展现出良好的性能和效果。本研究所开发的新型筛查模型和工具有望为未来骨质疏松症的早期检测提供新的选择和思路。