目的构建符合北京、上海两地40~65岁女性人口学特征的危险因素和中医症状相结合的骨质疏松性骨折早期风险预测工具。方法本研究采用注册登记式研究的方法,对2009年3月-8月在北京市东城区及上海市徐汇区收集的1129例40~65岁女性骨质疏松...目的构建符合北京、上海两地40~65岁女性人口学特征的危险因素和中医症状相结合的骨质疏松性骨折早期风险预测工具。方法本研究采用注册登记式研究的方法,对2009年3月-8月在北京市东城区及上海市徐汇区收集的1129例40~65岁女性骨质疏松症高危人群的危险因素及中医症状信息,进行连续3年的登记观察。采用SMOTE过抽样算法平衡数据,基于Group Lasso的Logistic回归模型筛选与骨质疏松症骨折有关的危险因素及中医症状,建立骨质疏松性骨折风险评估工具。结果基于R 3.3.3软件的Grplasso包,在不同λ水平上,我们进行对绝经后骨质疏松性骨折的危险因素与中医证候要素的学习。最终结合数理与医理,认为λ=0.0235时遴选出的变量最佳。具体组变量包括:骨密度(bone mineral density,BMD)、年龄、食物类、身高、月经情况、孕产次数和肝肾阴虚。进而基于Logistic回归模型得出骨质疏松性骨折预测工具:P=-1.88+0.437*BMD+0.289*年龄+0.023*大米面条-0.007*奶制品-0.096*豆制品-0.128*肉类-0.084*鱼类-0.007*新鲜蔬菜-0.018*蛋类+0.047*海藻类+0.048*身高-0.035*是否变矮-0.081*初潮年龄+0.171*是否绝经+0.121*绝经年限+0.039*怀孕次数+0.192*生产次数-0.056*子宫卵巢是否切除+0.05*手足烦热-0.094*盗汗+0.008*腿软+0.15*目眩-0.048*视物模糊-0.045*目睛干涩-0.089*恶热+0.08*脱发+0.034*齿摇-0.101*口苦+0.004*易怒+0.054*午后潮热-0.056*失眠+0.019*多梦易惊-0.02*胸胁苦满+0.137*下肢转筋。对该预测模型预测概率绘制受试者工作特征曲线,结果显示曲线下面积为0.8775(95%CI=0.8412~0.9138)。结论初步建立了基于北京、上海人口学特征40~65岁女性骨质疏松性骨折早期风险预测工具。展开更多
目的探讨β胶原特殊序列(β-crosslaps,β-CTX)、总1型胶原氨基端延长肽(t-P1NP)及N端中段骨钙素(N-MID-OT)在绝经后女性骨质疏松性骨折风险评估中的应用价值。方法回顾性分析2020年2月至2022年12月解放军总医院第六医学中心收治的102...目的探讨β胶原特殊序列(β-crosslaps,β-CTX)、总1型胶原氨基端延长肽(t-P1NP)及N端中段骨钙素(N-MID-OT)在绝经后女性骨质疏松性骨折风险评估中的应用价值。方法回顾性分析2020年2月至2022年12月解放军总医院第六医学中心收治的102例绝经后骨质疏松(postmenopausal osteoporosis,PMOP)患者的临床资料,将其作为研究组,并根据是否发生骨折将其分为PMOP骨折组(39例)与PMOP未骨折组(63例),另选100名健康体检者作为对照组。记录所有研究对象的β-CTX、t-P1NP及N-MID-OT水平并进行比较,用ROC曲线评价β-CTX、t-P1NP及N-MID-OT在绝经后女性骨质疏松性骨折风险评估中的应用价值。结果研究组的平均体重、体质量指数、股骨颈骨密度(bone mineral density,BMD)、左髋总和BMD及L 1~4总和BMD均明显低于对照组(P<0.05);而两组研究对象的平均年龄、平均身高及绝经年龄等比较差异均无统计学意义(P>0.05)。研究组的β-CTX、t-P1NP及N-MID-OT均明显高于对照组(t值依次为12.688、37.430、26.599,P<0.05)。β-CTX+t-P1NP+N-MID-OT联合检测用于预测PMOP的AUC值为0.978,敏感度为98.04%,特异度为97.00%,表明β-CTX+t-P1NP+N-MID-OT三指标联合检测用于预测PMOP的效能更高。PMOP骨折组的β-CTX、t-P1NP及N-MID-OT均明显高于PMOP未骨折组(t值依次为6.078、16.363、12.227,P<0.05)。β-CTX+t-P1NP+N-MID-OT联合检测用于评估PMOP骨折风险的AUC值为0.939,敏感度为94.87%,特异度为95.24%,表明β-CTX+t-P1NP+N-MID-OT联合检测用于评估PMOP骨折风险的效能更高。结论PMOP患者β-CTX、t-P1NP及N-MID-OT水平均明显升高,而PMOP骨折患者β-CTX、t-P1NP及N-MID-OT水平升高更为明显,且β-CTX+t-P1NP+N-MID-OT联合检测可显著提高对PMOP预测及骨折风险评估效能,值得借鉴。展开更多
目的对比分析人工智能阅片与人工阅片在诊断骨质疏松性椎体压缩骨折中的效能。方法连续收集了2023年1月至2023年12月80例骨质疏松性椎体压缩骨折患者及20例无骨折但存在非特异性腰疼的患者的资料纳入了该项研究。根据患者的计算机断层扫...目的对比分析人工智能阅片与人工阅片在诊断骨质疏松性椎体压缩骨折中的效能。方法连续收集了2023年1月至2023年12月80例骨质疏松性椎体压缩骨折患者及20例无骨折但存在非特异性腰疼的患者的资料纳入了该项研究。根据患者的计算机断层扫描(computed tomography,CT)影像分别进行人工智能软件诊断和3名不同年资的脊柱外科临床医生(高级职称、中级职称、初级职称各1人)人工阅片诊断。比较不同检测方法的诊断效能。结果各组灵敏度、特异度、阳性预测值、阴性预测值、受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、Kappa值分别为AI阅片:0.975、0.900、0.975、0.900、0.938、0.875;高级职称:0.950、0.900、0.974、0.818、0.925、0.819;中级职称:0.825、0.850、0.957、0.548、0.837、0.560;初级职称:0.750、0.750、0.923、0.429、0.751、0.390。结论人工智能的诊断水平与高年资医生诊断水平相当,明显高于中级及初级临床医生的诊断水平。展开更多
文摘目的构建符合北京、上海两地40~65岁女性人口学特征的危险因素和中医症状相结合的骨质疏松性骨折早期风险预测工具。方法本研究采用注册登记式研究的方法,对2009年3月-8月在北京市东城区及上海市徐汇区收集的1129例40~65岁女性骨质疏松症高危人群的危险因素及中医症状信息,进行连续3年的登记观察。采用SMOTE过抽样算法平衡数据,基于Group Lasso的Logistic回归模型筛选与骨质疏松症骨折有关的危险因素及中医症状,建立骨质疏松性骨折风险评估工具。结果基于R 3.3.3软件的Grplasso包,在不同λ水平上,我们进行对绝经后骨质疏松性骨折的危险因素与中医证候要素的学习。最终结合数理与医理,认为λ=0.0235时遴选出的变量最佳。具体组变量包括:骨密度(bone mineral density,BMD)、年龄、食物类、身高、月经情况、孕产次数和肝肾阴虚。进而基于Logistic回归模型得出骨质疏松性骨折预测工具:P=-1.88+0.437*BMD+0.289*年龄+0.023*大米面条-0.007*奶制品-0.096*豆制品-0.128*肉类-0.084*鱼类-0.007*新鲜蔬菜-0.018*蛋类+0.047*海藻类+0.048*身高-0.035*是否变矮-0.081*初潮年龄+0.171*是否绝经+0.121*绝经年限+0.039*怀孕次数+0.192*生产次数-0.056*子宫卵巢是否切除+0.05*手足烦热-0.094*盗汗+0.008*腿软+0.15*目眩-0.048*视物模糊-0.045*目睛干涩-0.089*恶热+0.08*脱发+0.034*齿摇-0.101*口苦+0.004*易怒+0.054*午后潮热-0.056*失眠+0.019*多梦易惊-0.02*胸胁苦满+0.137*下肢转筋。对该预测模型预测概率绘制受试者工作特征曲线,结果显示曲线下面积为0.8775(95%CI=0.8412~0.9138)。结论初步建立了基于北京、上海人口学特征40~65岁女性骨质疏松性骨折早期风险预测工具。
文摘目的探讨β胶原特殊序列(β-crosslaps,β-CTX)、总1型胶原氨基端延长肽(t-P1NP)及N端中段骨钙素(N-MID-OT)在绝经后女性骨质疏松性骨折风险评估中的应用价值。方法回顾性分析2020年2月至2022年12月解放军总医院第六医学中心收治的102例绝经后骨质疏松(postmenopausal osteoporosis,PMOP)患者的临床资料,将其作为研究组,并根据是否发生骨折将其分为PMOP骨折组(39例)与PMOP未骨折组(63例),另选100名健康体检者作为对照组。记录所有研究对象的β-CTX、t-P1NP及N-MID-OT水平并进行比较,用ROC曲线评价β-CTX、t-P1NP及N-MID-OT在绝经后女性骨质疏松性骨折风险评估中的应用价值。结果研究组的平均体重、体质量指数、股骨颈骨密度(bone mineral density,BMD)、左髋总和BMD及L 1~4总和BMD均明显低于对照组(P<0.05);而两组研究对象的平均年龄、平均身高及绝经年龄等比较差异均无统计学意义(P>0.05)。研究组的β-CTX、t-P1NP及N-MID-OT均明显高于对照组(t值依次为12.688、37.430、26.599,P<0.05)。β-CTX+t-P1NP+N-MID-OT联合检测用于预测PMOP的AUC值为0.978,敏感度为98.04%,特异度为97.00%,表明β-CTX+t-P1NP+N-MID-OT三指标联合检测用于预测PMOP的效能更高。PMOP骨折组的β-CTX、t-P1NP及N-MID-OT均明显高于PMOP未骨折组(t值依次为6.078、16.363、12.227,P<0.05)。β-CTX+t-P1NP+N-MID-OT联合检测用于评估PMOP骨折风险的AUC值为0.939,敏感度为94.87%,特异度为95.24%,表明β-CTX+t-P1NP+N-MID-OT联合检测用于评估PMOP骨折风险的效能更高。结论PMOP患者β-CTX、t-P1NP及N-MID-OT水平均明显升高,而PMOP骨折患者β-CTX、t-P1NP及N-MID-OT水平升高更为明显,且β-CTX+t-P1NP+N-MID-OT联合检测可显著提高对PMOP预测及骨折风险评估效能,值得借鉴。
文摘目的对比分析人工智能阅片与人工阅片在诊断骨质疏松性椎体压缩骨折中的效能。方法连续收集了2023年1月至2023年12月80例骨质疏松性椎体压缩骨折患者及20例无骨折但存在非特异性腰疼的患者的资料纳入了该项研究。根据患者的计算机断层扫描(computed tomography,CT)影像分别进行人工智能软件诊断和3名不同年资的脊柱外科临床医生(高级职称、中级职称、初级职称各1人)人工阅片诊断。比较不同检测方法的诊断效能。结果各组灵敏度、特异度、阳性预测值、阴性预测值、受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、Kappa值分别为AI阅片:0.975、0.900、0.975、0.900、0.938、0.875;高级职称:0.950、0.900、0.974、0.818、0.925、0.819;中级职称:0.825、0.850、0.957、0.548、0.837、0.560;初级职称:0.750、0.750、0.923、0.429、0.751、0.390。结论人工智能的诊断水平与高年资医生诊断水平相当,明显高于中级及初级临床医生的诊断水平。
