Development and external validation of competing risk models for major osteoporotic fracture and hip fracture in an ethnically diverse UK population of 15.6 million adults
本研究针对超过1500万名英国成年人的多样化群体，开发并外部验证了用于预测10年主要骨质疏松性骨折及髋部骨折风险的性别特异性竞争风险模型，证明了通过引入学习障碍和艾滋病毒感染等额外预测因子，并结合当代死亡率调整，与现有算法相比，能够提高风险评估的准确性和包容性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
每年，全球有数百万成年人遭受由轻微跌倒甚至日常动作引起的骨折。这些被称为脆性骨折，是导致老年人疼痛、残疾和丧失生活自理能力的主要原因。由于这些骨折可能造成如此严重的伤害，医生依赖预测工具来识别谁处于高风险之中，从而在骨折发生前进行干预。这些工具就像骨骼健康的“天气预报”，通过观察一个人的年龄、病史和生活方式，来估算其在未来十年内发生骨折的可能性。如果风险足够高，医生可能会安排骨密度扫描或开始预防性治疗。然而，目前广泛使用的工具大多基于较旧的数据，往往忽略了患有某些慢性疾病、残疾或接受特定癌症治疗的人群的重要细节。随着越来越多的人在经历严重疾病后存活下来，并带着复杂的健康需求更长久地生活，一个问题随之而来：我们现有的工具是否仍然能看到全貌，还是正在将脆弱人群遗忘在身后？
英国的一个研究小组致力于通过构建一套更具包容性的新预测模型来回答这个问题。他们使用了一个涵盖 1560 万成年人的庞大数据集，这些数据提取自英格兰和威尔士各地人群的电子健康记录。这种规模使他们能够研究那些通常因样本量过小而难以深入研究的群体，例如患有学习障碍、唐氏综合征、多发性硬化症或感染艾滋病毒（HIV）的人群。研究人员还重点关注了某些癌症的幸存者以及正在接受可能削弱骨骼强度的特定激素疗法的人群。为了使模型尽可能准确，他们使用了一种考虑性方法，即考虑到人们可能会在发生骨折之前死于其他原因。这是一个至关重要的区别；如果模型没有考虑到一个人可能先死于其他原因，它可能会无意中使骨折风险看起来比实际情况更高。
该团队开发了两个新版本的预测工具。第一个版本是利用最新数据和改进后的处理其他死因的方法来更新现有规则。第二个版本则更进一步，将上述特定的疾病和治疗方案作为新的计算因素加入其中。当他们用这些新模型与旧模型进行对比测试时，结果显示准确性有了显著提升。新工具能更好地预测谁会真正发生骨折，谁不会发生。它们在匹配预测风险与人群中实际观察到的骨折数量方面表现得尤为出色，而这正是旧工具难以实现的可靠性指标——旧工具往往会根据不同人群的情况，出现预测过高或过低的问题。
其中一项最重要的发现是，这些新因素如何改变了风险的时间线。例如，模型显示，一名患有学习障碍的女性或一名患有唐氏综合征的男性，达到相同骨折风险水平的年龄要比没有这些状况的人更早。从实际操作层面来看，这意味着患有学习障碍的人可能会比同龄人提前十年达到关键风险阈值，这表明应当更早地对其进行骨骼健康检查。同样，接受特定前列腺癌激素治疗的男性也被发现比此前认为的更早面临高风险。通过纳入这些细节，新模型可以促使医生及早干预，从而可能在骨折发生前将其预防。
研究人员还测试了一个具有争议的想法：移除计算中的种族因素是否会使工具更加公平。近期的一些讨论指出，由于不同族裔的平均骨密度存在差异，包含种族信息可能会导致预测不公。团队创建了一个完全忽略种族信息的模型版本，以观察会发生什么。他们发现，虽然该工具在对人群进行风险排序方面仍然表现尚可，但在预测特定人群的实际骨折数量方面准确性有所下降。特别是，不含种族信息的模型往往会高估非白人背景人群的风险。这表明，仅仅删除一个因素并不自动等同于创造了公平；在这种情况下，它反而降低了预测的可靠性，从而影响了那些本应得到帮助的群体。
研究结论指出，最大的进步不仅在于增加了新因素，更在于更新了数学框架，使其能够反映当今人们真实的生存与死亡状态。加入学习障碍、艾滋病毒感染和癌症治疗等特定条件，提供了一个至关重要的细节层，帮助医生识别出此前无法察觉的风险。这些新模型提供了一种让骨折预防更加精准且具包容性的方法，确保那些拥有复杂健康史的人群不会被忽视。研究人员强调，这些工具现在已准备好在现实临床环境中进行测试，以观察它们是否能带来更好的健康结果，这标志着从静态的历史规则向动态模型的转变——这些模型会随着人口及其健康需求的变化而不断演进。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。