0 引言

骨质疏松症与生活习惯、饮食习惯、居住环境、慢性疾病以及药物的服用等因素存在一定的关系。中国人口基数大且人口老龄化严重，加上经济快速增长带来的生活方式改变，中国骨质疏松患者数量位列世界第一^[1]。国际骨质疏松学会明确指出，如果人们采用健康的生活方式，就可以减少骨质疏松的发病风险，积极的防治行为是低投入且高效益的降低骨质疏松症发病率的有效手段^[2]。

健康风险评估是健康管理的一个重要手段，可以评估个人的健康状况，骨质疏松风险评估模型可以预测居民未来患骨质疏松的可能性，预测相似人群骨质疏松的发生概率，为政府合理配置卫生资源管理以及制定相关政策提供科学参考^[3]。学者对骨质疏松的研究通常停留在对风险因素的分析层面，比较难应用到实际工作中。预测过程比较烦琐，实际效果不太理想。

城乡结合部也被称为“都市里的村庄”，是一种特殊的社区，其道路系统与排水系统较为混乱，垃圾处理不当，环境卫生情况通常不佳^[4]。当地居民本身健康知识水平不足，大部分人处于新农合履盖不到的“真空地带”，缺少医疗保障^[5]，再加上城乡结合部公共卫生设施无法满足该区域居民健康需求，以及政府重视不足，导致城乡结合部居民健康问题相对于城市居民更为严重。本研究以广州城乡结合部40岁及以上的常驻居民为研究对象，筛查当地居民骨质疏松情况，分析导致居民骨质疏松的影响因素并建立疾病预测模型，预测类似人群骨质疏松的发生概率。

1 材料与方法 1.1 研究对象

按广州城区划分选取白云区京溪、永泰村，天河区龙洞，海珠区康乐，芳村区窖口，以及人和镇、钟落潭镇、棠下镇等城乡结合部中40岁以上长驻居民为研究对象进行多阶段抽样调查。

1.2 调查内容

采用骨密度测定法(BMD)诊断骨质疏松，本研究使用全干式超声骨密度仪(美国CUBA公司)测量居民的骨密度。与同种族、同性别健康成年人相比，当骨峰值降低程度不足1 SD (标准差)时表示骨密度正常；降低程度在1—2.5 SD为骨量减少；降低程度≥2.5 SD为患有骨质疏松症。

采用问卷调查的方式获得居民基本情况信息：年龄、性别、文化水平、身高体重、其他慢性病患病情况、职业性质，若对象是女性还需调查其绝经年限、生育次数等；其中职业性质主要指日常工作以站为主、以坐为主或以动为主。

健康行为调查：吸烟与被动吸烟的情况，是否服用药物以及服用药物的品种，每周体育锻炼次数，其中中等强度体育锻炼30 min以上才计算在本研究中。

饮食情况：三餐是否规律、各类食品饮品的摄入量。

其他情况调查：居住环境干燥程度、是否有骨折史、骨质疏松家族史、日常排汗程度、平均每天坐着的时间、平均每天晒太阳时间、熬夜失眠情况。

1.3 统计学方法

采用SPSS 20.0软件对研究对象的基本情况进行描述性分析，通过单因素分析得出骨质疏松的影响因素，然后进行多因素Logistic回归分析。用接受者操作特性曲线(Receiver Operating Characteristic，ROC)曲线下面积来评估模型检验效能，采用Hosmer-Lemeshow拟合优度检验(H-L检验)评价患病率与实际患病率拟合程度。模型建立根据Sullivan等^[6]所阐述的逻辑评分(Logic of the Points System)法，该方法已被多项研究证明预测结果准确性相对较高，并且所建的模型更科学，操作更简便^[7]。

2 结果与分析 2.1 调查对象基本情况

本研究共调查2 195名城乡结合部居民，其中健康男性510人，女性1 685人；骨质疏松症男性患者65人，女性患者392人(表 1)；男性骨质疏松和女性骨质疏松的患病率分别为12.75%、23.26%，均高于全国平均值(男性11.8%，女性14.2%)^[1]。显然，随着年龄的增长，骨质疏松患病率不断升高。年龄≥70岁的人群骨质疏松患病率最高，40—49岁年龄组男性骨质疏松患病率比女性高，在年龄≥50岁的人群里，女性患病率比男性高。

2.2 骨质疏松影响因素分析 2.2.1 单因素分析

男性骨质疏松的单因素分析中，年龄组、体质指数(BMI)、工作性质、高血压、水果摄入量、肉类摄入量、每周锻炼次数、每天晒太阳时间的P值小于0.05，表明组间差异均有统计学意义(表 2)；女性骨质疏松的单因素分析中，年龄、体质指数(BMI)、绝经年限、高血压、水果摄入量、肉类摄入量、茶类摄入量、日常出汗量、每周锻炼次数、每天晒太阳时间的P值小于0.05，表明组间差异均有统计学意义(表 3)。

2.2.2 多因素分析

将单因素分析中具有统计学意义的变量进行多因素分析，最终确定男性骨质疏松Logistics预测模型为Logit (P)=4.490+1.675(60—69岁)+1.809(≥70岁)-2.143(BMI正常)-1.829(BMI超重)-1.771(工作以站为主)-1.586(工作以动为主)-2.128(水果摄入0.5—1.5 kg/周)-1.672(每天晒太阳1—2 h)-2.415(每天晒太阳超过2 h)-1.93(肉类摄入2—3 kg/周)-2.010(肉类摄入≥3 kg/周)-2.583(每周锻炼超过3次)，具体分析结果见表 4。其中OR值为相对危险度，置信区间为95% CI。

女性Logit (P)=1.309(50—59岁)+1.639(60—69岁)+2.080(≥70岁)-0.112(BMI超重)+0.105(绝经5—15年)+0.430(绝经16—30年)+1.257(≥30年)-1.083(水果摄入0.5—1.5 kg/周)+0.481(水果摄入≥3.0 kg/周)-0.703(肉类摄入1 —2 kg)-0.660(肉类摄入2—3 kg/周)-0.613(肉类摄入≥3 kg/周)-0.741(茶类摄入0—500 mL/d)+0.697(茶类摄入500—1 000 mL/d)+1.007(茶类摄入≥1 000 mL/d)-0.502(中等出汗)-0.668(大量出汗)-0.828(每周锻炼1—3次)-1.218(每周锻炼＞3次)-0.993(每天晒太阳1—2 h)-0.617(每天晒太阳超过2 h)+0.523(高血压)，具体分析结果见表 5。

3 建立评估模型 3.1 影响因素评分

依据Sullivan等^[6]的逻辑评分(Logic of the Points System)法，将各影响因素的回归系数β_n提取出来，并分别除以Logistics模型中的最小回归系数β_m。计算得到的结果取整数，该结果对应影响因素即该因素的危险分数。男性的最小回归系数为-1.672，女性的最小回归系数为0.105。最后获得男性与女性骨质疏松风险评分表(表 6)。步骤如下：

$ \operatorname{Logit}(P)=\beta_{0}+\left(\beta_{1} X_{1} / \beta_{m}+\beta_{2} X_{2} / \beta_{m}+\right. \\ \left.\beta_{3} X_{3} / \beta_{m}+\cdots+\beta_{n} X_{n} / \beta_{m}\right) \times \beta_{m}。$

计算后的系数取整，设为S，即各影响因素对应的危险分数为S_n，

即S_n≈β_n/β_m(四舍五入)，

总影响因素S_C=S₁+S₂+S₃+…+S_n。

经上述步骤最终模型可以简化为只有一个自变量的新预测模型，公式为

$ P_{\text {预测 }}=\frac{1}{1+\exp \left[-\left(\beta_{0}+S_{\mathrm{C}} \times \beta_{m}\right)\right]}。$

3.2 模型应用及概率预测

男性以表 6为准，女性以表 7为准，根据自身情况对应骨质疏松影响因素评分表，将相关情况的分值相加，若无相关情况则不计分，最终计算的总分便可对应预测概率。结果表明：男性风险评分为-7—1，P_-7=0.07%对应最低预测值，最高预测概率P₁=98.90%；女性风险评分为-52—47，P_-52=0.42%对应最低预测值，最高预测概率P₄₇=99.28%(表 8)。

3.3 设置危险分层

根据国内外对骨质疏松患病率相关信息的研究汇总，以及参考其他慢性病患病率的危险分层发现，一般将患病风险分为低危(≤10%)、中危(10%＜患病率≤30%)、高危(＞30%)，本研究基于更符合研究对象分值与患病情况进行危险分层设定。最终划分结果：当男性所得分数在-7—-5分时属于低危；得分在-4—-3分时属于中危；得分在-2—1分时属于高危。当女性所得分数在-52—-20分时属于低危；得分在-20—-8分时属于中危；得分在-8—47分时属于高危。

3.4 模型预测效果验证

当男性所得分数在-7—-5分时，研究对象实际患病率是1.61%；得分在-4—-3分时，实际患病率是14.06%；得分在-2—1分时，实际患病率是46.43%。3个危险分层的研究对象患病率都在模型预测范围之内，说明模型得分可以预测患病风险处于哪一危险分层。

当女性所得分数在-52—-20分时，研究对象实际患病率是4.47%；得分在-20—-8分时，实际患病率是12.16%；得分在-8—47分时，实际患病率是38.54%，3个危险分层的研究对象患病率都在模型预测范围之内，说明模型预测的危险分层较为准确。

3.5 模型效能验证

由图 1可知，男性和女性曲线下面积ROC-AUC分别为0.894和0.837，曲线下面积均大于0.5，表明男性和女性骨质疏松风险评估模型效能较好，诊断价值较充分。在H-L检验中，骨质疏松风险模型的拟合优度检验结果，男性为χ²=9.849，P=0.276＞0.05；女性为χ²=10.053，P=0.122＞0.05，两者拟合效果均较好，P>0.05可认为与实际比较吻合。

4 讨论 4.1 影响因素讨论

根据表 6得知，所有男性骨质疏松影响因素中，体育锻炼的影响最大，其次是晒太阳的时间、水果和肉类的摄入量，这些都是骨质疏松的保护因素。根据表 7得知，所有女性骨质疏松影响因素中，年龄的危险因素最大，其次是绝经年限。表明适当的体育锻炼可以在很大程度上预防骨质疏松。这是因为锻炼对骨骼，尤其是骨骼的形成具有更强的刺激作用^[8]，与此同时，体育锻炼还与日常出汗量有关，可以明显降低骨质疏松的患病风险。陈健华^[9]的研究也证明，充足运动活动的研究对象患骨质疏松的概率明显低于缺乏运动活动的研究对象。

在日常生活饮食方面，与几乎不摄入水果相比，女性每周0.5—1.5 kg水果摄入量是保护因素(OR=0.339)，而每周摄入＞3 kg水果是危险因素(OR=1.618)(OR值大于1为危险因素，小于1则是保护因素)。这可能是由于摄入过多水果纤维会阻碍钙的吸收，建议适量吃水果，但每周不超过3 kg。我们还发现，每周摄入超过1 kg的肉可降低骨质疏松的风险。与不喝茶的人相比，每天喝茶超过500 mg的人OR=2.007，说明其患骨质疏松症的可能性是不喝茶的人的2.007倍，如果每天喝茶超过1 000 mg，OR值=2.737，即其患骨质疏松症的可能性是不喝茶的人的2.737倍。但是喝少量茶可以预防骨质疏松症(OR=0.477)。喝茶预防骨质疏松症的关键是茶中的类黄酮具有活性，可以抑制破骨细胞的骨分离^[10]。虽然本研究并未得出牛奶和钙片是骨质疏松的保护因素的结论，但近期骨质疏松流行病学调查结果显示，日饮用牛奶量、口服钙片对骨质疏松起预防作用^[11]，可以作为参考的预防措施。

4.2 模型实际应用

骨质疏松症流行病学及危险因素的早期评估和预防非常重要^[12]，根据本研究已构建的骨质疏松风险评估模型可以发现，若男性得分为-4—-3分，则预测患病率超过10%，已经达到骨质疏松中危风险情况。若女性得分为-8—0分，也同样达到中危风险。建议根据居民自身得分情况，减少得分项目，采用健康的生活方式以及合理膳食来预防骨质疏松。若男性得分大于-2分，女性得分大于0分，则属于骨质疏松高危人群，建议去医院详细检查骨骼健康情况，遵循医嘱预防或治疗骨质疏松。