目的:衰老是一个复杂的生物系统退化的过程,其特征是机体退行性改变不可逆性累积和对疾病的易感性增加,最终导致生命结束。衰老虽然不是疾病,但是它可以降低衰老相关疾病的阈值,增加患病的概率。骨质疏松症（osteoporosis,OP）作为老年人常见的疾病之一,其特点是骨质量的持续降低,导致骨强度下降,对骨折易感性增加。特别是在绝经后女性和50岁及以上的男性中较多见。随着全球人口老龄化的日益加剧,OP将成为世界各国需要面对的重要的公共健康问题。我们团队前期研究已经证实了心脏与肾脏、心脏与血管和血管与骨骼之间存在交互作用,说明人体内各脏器之间存在复杂的网络结构。但是,我们并没有证实在健康人群中肾脏与骨骼是否也存在交互作用。本研究的目的是通过横断面研究证实肾脏功能指标与骨密度之间是否也存在交互关系,并观察在人群中肾脏功能指标变化对骨质流失的作用影响。另外,从纵向研究分析是否可以应用人工神经网络模型,通过筛选的各项指标对骨密度的变化来进行预测,并与传统统计学方法Logistic回归方程比较其优势,为OP的早期预防、诊断和治疗提供一条重要的途径。方法:1、研究对象:2014年1月至2015年2月期间,所有随机筛选的研究对象都是来自沈阳不同的15个社区。研究对象的登记标准为:具有初中文化及以上的城市和乡村居民年龄≥35岁;既往无疾病史(心、脑、肺、肾、肝病、高血压、糖尿病、甲亢、肿瘤、类风湿病、慢性感染等;无用药史（包括雌激素治疗、类固醇及其他药物）;自我评价健康（正常的视觉和听觉功能,无精神障碍,情绪稳定,能够恰当的处理家庭和社会人际关系,能够适应环境,具有一定的学习和记忆能力）;有能力照顾自己,没有困难或无需帮助下完成日常活动,健全的体格,能够提供自我报告的数据和签署知情同意书。最后,总共550名研究对象入选,包括160名男性（年龄50-88岁）和390名绝经后女性（年龄47-89岁）。2017年1月对2014年1月入选的550名健康人群预约前来中国医科大学附属盛京医院老年病实验室进行随访。本次研究对象主要是412名2014年检查未发生骨质疏松症的随访者。最后351名研究对象纳入本次纵向随访人群,其中男性92人,绝经后女性259人,其中排除了缺失随访的33人和数据缺失的28人。所有参加观察的研究对象签署了知情同意书。2、研究方法:（1）数据的收集收集基础资料,包括姓名、年龄、性别、身高、体重、腰围、臀围、吸烟和饮酒史、绝经状态、药物治疗史、骨折史、以及生活方式（包括钙和维生素D的补充、牛奶摄入量和体育锻炼情况）等。研究对象在安静温度合适的实验室中休息10-15分钟之后测量血压。所有研究对象禁食水10小时以上,第二天早晨8:00至9:30之间被收集血液样本。然后血液样本送至中国医科大学附属盛京医院检验中心进行血液生化检测（America,ARCHITECT ci16200 Integrated System）,生化指标包括总蛋白（TP）、丙氨酸氨基转移酶（ALT）、天冬氨酸转氨酶（AST）、总胆红素（TBil）、甘油三酯（TG）、总胆固醇（TC）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、血清尿酸（SUA）、尿素氮（BUN）、肌酐（SCr）、胱抑素C（CYSC）、血清钙（SCa）。血清尿酸测定的参考范围为142-420umol/L;血清肌酐测定的参考范围女性为0.51-0.95mg/dl和男性为0.67-1.18mg/dl。其余血样采集后迅速离心、分装、冻存（-80°C）。应用更适用于亚洲人群改良的慢性肾脏疾病流行病学协作组（CKD-EPI-ASIA）公式来计算估计的肾小球率过滤:男性:SCr≤0.9mg/dl,eGFR_{-CKD-EPI-ASIA}=141×（SCr/0.9）-0.411×（0.993）^年龄×1.057;SCr>0.9mg/dl,eGFR_{-CKD-EPI-ASIA}=141×（SCr/0.9）-1.209×（0.993）^年龄×1.057;女性:SCr≤0.7mg/dl,eGFR_{-CKD-EPI-ASIA}=144×（SCr/0.7）-0.329×（0.993）^年龄×1.049;SCr>0.7mg/dl,eGFR_{-CKD-EPI-ASIA}=144×（SCr/0.7）-1.209×（0.993）^年龄×1.049。另外,2017年1月送检了2014年550名研究对象冻存（-80°C）的血清,应用酶联免疫吸附试验Elisa法检测血清中P1NP、CTX1、DHVD3、TESTO、IGF-1、GDF-11、FGF-23和BMP4等与骨代谢相关的特殊指标。所应用试剂盒是通过双抗体夹心ELISA法定量测定人血清中各指标含量。所有研究对象在中国医科大学附属盛京医院骨密度检查室采用双能X线吸收测量仪（Discovery-Wi S/N 88155）检测腰椎骨密度。研究对象的腰椎骨密度值是来自第一、第二、第三和第四腰椎部位数值总和的平均值。BMD值的单位是以克/每平方厘米来计算。然后根据世界卫生组织（WHO）的标准,研究对象被划分为骨密度正常组（T-Score≥-1.0）,骨量减少组（-2.5<T-Score<-1.0）和骨质疏松症组（T-Score≤-2.5）。（2）统计分析和建立BP神经网络模型所有统计分析均采用SPSS 17.0（Chicago,USA）统计软件进行分析,正态性检验应用Kolmogorow-Smirnov方法,计量资料以均数±标准差（（?）±s）表示,组间比较采用单因素方差分析（one-way ANOVA）;根据方差齐性检验,采用最小二乘法（LSD）或Dunnett’s T3方法进行各组均数的多重比较。计数资料以率表示,不同组间比较采用卡方（c2）检验。肾功能指标与其他变量之间的相关性利用Pearson相关分析。以SUA和eGFR作为自变量,腰椎骨密度为因变量进行多元线性回归分析。与此同时,进一步将研究对象分为SUA和eGFR的四分位数（1-4）,以SUA和eGFR四分位数作为自变量,以腰椎骨密度降低（包括骨密度减少和骨质疏松症）为因变量采用二元logistic回归方法进行多元数据分析。并将每四分位数的中位数作为连续变量建模来进行线性趋势检验,Model 1是调整了年龄和BMI;Model 2是调整了年龄、BMI、腰围、臀围、血压、吸烟饮酒史、牛奶摄入量、补充钙和维生素D、体育锻炼、骨折病史、TP、TBil、ALT、AST、TC、TG、HDL-C、LDL-C、FBG和SCa。P<0.05为差异有统计学意义。应用非条件单因素Logistic回归筛选评价的各项指标,利用多因素Logistic回归方程构建筛选的各项指标对OP进行预测的模型。BP神经网络模型的构建采用Matlab7.1软件编程包完成,研究对象的检查及检验指标进行极差标准化,消除因子量纲对于数据统计的影响。本研究采用3层BP神经网络,研究资料样本的分组:采用4:1随机抽样方式分成两组:263例训练样本及88例测试样本。隐含层采用公式:l=（m+n）^1/2+a（其中m为输入层节点数目,n为输出层节点数目）,0<a<10。隐含层的激活函数为tansig,其形式为y=1/[arctan（x）+1]。输出层的激活函数为为logsig,其形式为y=1/[1+exp（-x）]。初步设定该BP网络训练次数为5000次,目标误差取0.01,学习速率取0.1。网络的训练由于训练组均方误差达到极小值而结束。最后,应用ROC曲线评价BP神经网络模型与Logistic回归模型对OP的预测效应。结果:在横断面研究中,我们发现SUA和eGFR在绝经后女性中随着骨密度的降低而逐渐下降,组间比较具有统计学意义（P<0.05）。SUA和eGFR与LBMD（r=0.120,p<0.05;r=0.159,p<0.01）呈显著正相关。当调整年龄、BMI、腰围、臀围、吸烟饮酒史、牛奶摄入量、补充钙和维生素D、体育锻炼、SBP、DBP、TP、ALT、AST、TBil、TG、TC、HDL-C、LDL-C、FGB和SCa等潜在的混杂变量后,SUA和eGFR与LBMD仍密切相关,P值分别是0.002和0.020;并且当以SUA和eGFR的四分位数作为自变量,腰椎骨密度降低为因变量应用二元Logistic回归进行分析时,SUA和eGFR第1分位为对照组,SUA第2、3和4分位的骨密度降低风险的OR值分别是0.38（95%CI 0.18-0.82,P<0.05）、0.33（95%CI 0.15-0.72,P<0.01）和0.30（95%CI 0.14-0.67,P<0.01）,线性趋势P=0.004;eGFR第3和4分位的骨密度降低风险的OR值分别是2.62（95%CI 1.21-5.67,P<0.05）和4.08（95%CI 1.65-10.09,P<0.01）,线性趋势P=0.002。但是在年龄（≥50岁）的男性中并未发现SUA和eGFR与LMBD相关。在纵向研究中,单因素Logistic回归分析结果:年龄（p<0.05）、身高（p<0.05）、体重（p<0.05）、BMI（p<0.05）、BSA（p<0.05）、臀围（p<0.05）、补充钙和维生素D（p<0.05）、TC（p<0.05）、SUA（p<0.05）、eGFR（p<0.05）、P1NP（p<0.05）、CTX1（p<0.05）和DHVD3（p<0.05）。多因素Logistic回归分析结果:共有5个因素进入模型,年龄（p<0.01）、BSA（p<0.01）、eGFR（p<0.05）、P1NP（p<0.05）和CTX1（p<0.05）,整个训练总集的准确率为73.79%,灵敏度为85.45%,特异度为55.80%。预测OP的神经网络模型结果:建立三层BP神经网络模型,以单因素Logistic回归分析筛选出的指标作为输入变量,其隐含层为7,输出层为未OP或OP,网络训练由于误差达到极小值结束,准确率88.64%,灵敏度为92.45%,特异度为82.86%。ROC曲线比较结果:多因素Logistic回归模型的ROC曲线下面积为0.706,95%可信区间为（0.648,0.764）;BP神经网络模型曲线下面积为0.895,95%可信区间为（0.857,0.933）。结论:本研究发现在绝经后女性中,正常生理范围内的SUA和eGFR与腰椎骨密度呈线性相关,并且这个两个肾脏功能指标与骨密度降低（骨质减少和骨质疏松症）独立相关。因此可推测在生理范围内具有较高水平SUA和eGFR有可能对骨质流失起到了保护性作用。在纵向研究中利用BP神经网络方法可通过筛选的各指标对OP进行预测,并且准确率较好。与传统Logistic回归模型相比,BP神经网络模型预测的准确率、灵敏度、特异度相对高一些,为我们研究影响OP提供了一个新的探索手段,对疾病的早期预防、诊断和治疗提供了帮助,也有利于筛选生物标志物、实现多样本和大数据挖掘的目标。