DXA-Derived Skeletal Phenotypes and Hip Fracture Risk: A Backdoor-Adjusted Causal Analysis

Resumo Técnico: Fenótipos Esqueléticos Derivados de DXA e Risco de Fratura de Quadril

Definição do Problema
A fratura de quadril representa uma carga significativa para a saúde, com altas taxas de mortalidade e morbidade. A avaliação clínica atual baseia-se fortemente na Ferramenta de Avaliação de Risco de Fratura (FRAX), que incorpora fatores de risco clínicos e, opcionalmente, a densidade mineral óssea (DMO) do colo do fêmur, e em medidas de resumo da densitometria óssea (DXA) padrão, como a DMO areal e os T-scores. No entanto, os exames de DXA contêm uma riqueza de medições esqueléticas específicas de regiões (por exemplo, ao longo do colo do fêmur, fêmur total, região trocantérica, região de Ward, diáfise femoral e pelve) que não são sistematicamente utilizadas na estratificação de risco. Além disso, estudos observacionais existentes focam frequentemente na precisão preditiva ou na inferência causal informada geneticamente (randomização mendeliana), em vez de comparar explicitamente múltiplos fenótipos derivados de DXA dentro de um arcabouço rigoroso de ajuste de confundidores em uma coorte observacional. Existe uma lacuna crítica na compreensão de quais fenótipos específicos de DXA apresentam as relações causais mais fortes com o risco de fratura de quadril após o ajuste de confundidores, e se o ranking desses fenótipos pelo tamanho do efeito causal melhora a estratificação de risco subsequente.

Metodologia
O estudo utilizou dados de 21.098 participantes do UK Biobank com registros de saúde vinculados e medições de DXA de quadril. A análise seguiu um arcabouço causal pré-especificado:

1. Seleção de Fenótipos: Dezesseis fenótipos esqueléticos derivados de DXA foram avaliados, abrangendo três famílias de medição (Conteúdo Mineral Ósseo [CMO], Densidade Mineral Óssea [DMO] e T-score) através de seis regiões anatômicas (colo do fêmur, fêmur total, região trocantérica, região de Ward, diáfise femoral e pelve).
2. Arcabouço Causal: Um Grafo Acíclico Dirigido (DAG) informado pelo objeto do estudo foi construído para guiar a seleção de confundidores. O conjunto de ajuste incluiu fatores demográficos/de tamanho corporal (idade, sexo, altura, peso), status socioeconômico (renda familiar), fatores de estilo de vida/nutricionais (tabagismo, álcool, dieta), histórico clínico (artrite reumatoide, quedas, fraturas prévias) e indicadores funcionais (ritmo de caminhada, força de preensão manual).
3. Estimativa de ATE com Ajuste de Backdoor: Para cada um dos 16 fenótipos, um modelo de probabilidade linear específico para cada fenótipo foi ajustado para estimar o Efeito Médio do Tratamento (ATE) com ajuste de backdoor no risco de fratura de quadril. Os efeitos foram relatados como diferenças de risco absoluto por desvio padrão (DP) de aumento no fenótipo, calculados sobre a distribuição dos confundidores pré-especificados. A robustez foi verificada via análise de placebo de exposição e refutação de causa comum aleatória.
4. Análise de Heterogeneidade: Efeitos Médios Condicionais de Tratamento (CATEs) foram estimados para o principal fenótipo (DMO do Fêmur Total) utilizando modelos de floresta causal para avaliar a variação do efeito entre subgrupos (idade, sexo, IMC, etc.).
5. Avaliação Preditiva: Uma análise preditiva suplementar avaliou se os fenótipos classificados pelo magnitude de seus ATEs com ajuste de backdoor melhoravam a estratificação de risco. Modelos de regressão logística foram treinados usando variáveis clínicas isoladas, diversas combinações de fenótipos esqueléticos classificados por ATE e o conjunto completo de características. O desempenho foi comparado ao FRAX utilizando Área Sob a Curva (AUC), sensibilidade e especificidade.

Principais Resultados

• Efeitos Causais: Todos os 16 fenótipos derivados de DXA exibiram ATEs negativos com ajuste de backdoor, indicando que valores fenotípicos mais altos estão associados a um menor risco de fratura de quadril. Os maiores efeitos foram observados para o CMO do Fêmur Total e a DMO do Fêmur Total, ambos mostrando uma diferença de risco de −0,0047 por aumento de DP (aproximadamente 4,7 fraturas a menos por 1.000 participantes por DP). Em contraste, o CMO da região de Ward mostrou o menor efeito (−0,0019).
• Heterogeneidade: A análise de CATE para a DMO do Fêmur Total revelou heterogeneidade significativa. O efeito protetor foi mais forte (CATEs mais negativos) entre participantes mais velhos e aqueles com menor Índice de Massa Corporal (IMC). Renda familiar, idade, peso, artrite reumatoide e força de preensão manual foram identificados como contribuintes fundamentais para essa heterogeneidade.
• Desempenho Preditivo: A combinação de variáveis clínicas com os 11 principais fenótipos esqueléticos classificados por ATE yielded o maior desempenho preditivo (AUC = 0,842), superando o FRAX (AUC = 0,709) e um modelo apenas clínico (AUC = 0,754). O modelo com os 11 principais elementos demonstrou sensibilidade significativamente maior (0,748 vs. 0,443) em comparação ao FRAX, mantendo especificidade semelhante.
• Importância das Características: A análise SHAP indicou que o modelo preditivo final foi impulsionado principalmente pelos fenótipos esqueléticos derivados de DXA (especificamente o CMO do Fêmur Total, o CMO da Região Trocantérica e várias medidas de DMO), com as variáveis clínicas fornecendo contribuições adicionais modestas.

Significância e Alegações
Os autores afirmam que este estudo fornece uma avaliação sistemática dos fenótipos esqueléticos derivados de DXA dentro de um arcabouço explícito de ajuste de confundidores, distinguindo entre variáveis que melhoram a classificação de risco e aquelas que possuem maiores efeitos causais. A principal significância reside em demonstrar que:

1. Variação ao Nível do Fenótipo: Os fenótipos esqueléticos derivados de DXA diferem em seus efeitos causais de backdoor no risco de fratura de quadril; eles não contribuem uniformemente através de regiões ou famílias de medição.
2. Utilidade do Ranking Causal: Classificar os fenótipos pelo magnitude de seus ATEs com ajuste de backdoor ajuda a identificar um conjunto parcimonioso de características (os 11 principais) que, quando combinados com variáveis clínicas, melhoram a estratificação de risco além das ferramentas padrão como o FRAX.
3. Insight Clínico: Embora os T-scores permaneçam o padrão para classificação de osteoporose, o estudo sugere que fenótipos de regiões e famílias de medição específicas (particularmente o CMO e a DMO do Fêmur Total) podem conter informações de risco não totalmente capturadas pelos T-scores isoladamente.
4. Risco Individualizado: Os achados apoiam a consideração da heterogeneidade de efeito, sugerindo que a relevância dos fenótipos esqueléticos (ex: DMO do Fêmur Total) varia dependendo dos perfis dos pacientes, como idade e IMC.

O artigo mantém um tom modesto quanto à implementação clínica, observando que os resultados preditivos derivam de uma amostra específica do UK Biobank e requerem validação externa antes que o modelo proposto possa substituir as ferramentas de risco clínico existentes. O estudo posiciona seus achados como evidência complementar para refinar a interpretação da DXA e as estratégias de estratificação de risco.