随着人口老龄化进程的加快，老年人的健康问题日渐突出，其中骨折比较常见[1]。筛选骨折高风险人群，及时实施干预，对实现老年人骨折的一级预防具有重要意义。目前，老年人骨折风险评估包括现代医学测量技术和风险评估工具两大类。现代医学测量技术主要包含骨密度（BMD）、骨微观结构、骨生理代谢指标等的测量。多项研究认为，现代医学测量技术虽然在一定程度上可以预测老年人骨折的风险，但由于成本高、存在电离辐射影响、可移动性低等不足，其临床推广受到限制，因此一般仅作为提高老年人骨折风险评估准确性的辅助工具[2]。而老年人骨折除了受自身骨密度或骨微观结构变化的影响外，还与临床危险因素如跌倒、既往骨折史、疾病史、用药史、体重指数（BMI）等有关[3]。相比较现代医学测量技术，包含多个临床危险因素的风险评估工具更能体现个体特征，在临床的应用价值更高，且大部分已被证实可以独立于BMD值用于骨折高风险人群的筛查，因此被国内外多个指南推荐[4,5,6]。本文对老年人常见的骨折风险评估工具及其优缺点展开综述，以期为临床医务工作者提供操作简便、准确度高、实用性强、低成本的骨折高风险筛查工具，同时为开发具有我国特色的老年人骨折风险评估工具及骨折初级预防控制工作提供参考。

1、国外骨折风险评估工具的研究现状

1.1社区老年人骨折风险评估工具

1.1.1骨折风险评估工具（FRAX）

FRAX是由英国谢菲尔德大学Kanis等[7]基于部分骨折危险因子及股骨颈BMD建立的骨折风险预测模型，主要用于计算40～90岁个体未来10年发生骨质疏松性骨折的概率（PMOF）及髋部骨折的概率（PHF）。若个体的PMOF≥20%或PHF≥3%，则被定义为骨折高风险人群，建议行BMD测量并考虑予以相关抗骨质疏松治疗[8]，登录网址可获取中国人群的FRAX计算模型（https：//www.sheffield.ac.uk/FRAX/tool.aspxcountry=2）。FRAX中输入BMD值后，PHF和PMOF的ROC曲线下面积（AUC）分别为0.81和0.72，具有良好的鉴别能力[9]。国内外多项研究表明，在缺少BMD值的情况下，FRAX依然可以有效评估骨折风险[10,11]。但FRAX的预测模型是基于病死率构建，可能会低估部分预期寿命较低个体的骨折风险，如老年人、绝经后妇女、糖尿病患者等[9,12]；且由于各国家环境、人群、种族、年龄构成等不同，老年人骨折发生率存在一定的差异，该工具干预阈值的确定也存在差异[5,12,13]。相关研究表明，PMOP≥20%或PHF≥3%的FRAX干预阈值在我国老年人、绝经后女性、类风湿关节炎等患者中的预测能力较好[14,15]，但李燕云等[13]将国内外多个地区的FRAX干预阈值应用于无锡地区，发现FRAX的敏感性均较低。

FRAX作为全球应用最广泛的骨折风险评估工具，虽然简单易行，灵敏度较高，但仅适用于未经骨折治疗的人群，且工具内缺乏某些公认的骨折风险因子，如跌倒作为骨折的主要诱发因素之一，尚未能被量化和纳入到FRAX模型中。此外，既往骨折史、激素治疗、吸烟及饮酒等在骨折风险中的剂量-效应关系、继发性骨质疏松的病因、种类以及其他与骨折相关的老年人常见慢性病如糖尿病、高血压等也均未被考虑进模型，因此FRAX在预测老年人骨折的准确性还存在不足[12,13]，在我国的普适性还需多中心、大样本人群的长期随访研究的验证[14]。

1.1.2Garvan骨折风险计算工具（FRC）

Garvan计算工具是由澳大利亚国际健康医学研究委员会基于Cox比例风险模型开发的2种骨折风险评估模型，其中模型I包括年龄、骨密度、骨折史以及跌倒史4个变量，模型Ⅱ包括年龄、体质量、骨折史以及跌倒史4个变量，若评估对象PMDF≥20%或PHF≥3%，则定义为骨折高风险人群[16]。该工具主要用于计算60～96岁个体5年和10年的髋部骨折以及骨质疏松性骨折（OPF）的风险，可从网址https：//www.garvan.org.au/promotions/bone-fracture-risk/calculator/中获取。在Garvan计算工具中输入BMD值后，预测人群髋部骨折和骨质疏松性骨折风险的AUC分别为0.79和0.72[9]。Garvan与FRAX的对比研究发现，两者在髋部骨折中的风险预测能力均较高，但骨折风险评估的准确性无明显差异[9,17,18]。虽然Garvan计算工具操作简便，临床应用价值较FRAX可能更高，但该工具是在澳大利亚骨质疏松症流行病学数据基础上构建，我国尚未发现大规模、长期前瞻性的随访研究对该工具进行有效性验证，因此Garvan计算工具在我国老年人群中的适用性需进一步研究和验证。

1.1.3QFracture算法（QFracture Calculator)

QFracture算法是英国学者Hippisley-Cox等[19]提出的一种用于预测30～99岁个体在未来1～10年内发生髋部骨折以及OPF风险的模型，主要应用于骨折风险的初级保健和自我评估，可从网址https：//qfracture.org中获取。该模型包含吸烟、饮酒、是否住在养老机构、跌倒史、骨折史、BMI、心血管等多种疾病在内的临床危险因素。进行骨折风险评估时，若女性和男性未来10年内的骨折风险评估结果分别高于11.1%和2.6%时，则被视为骨折高风险人群。虽然QFracture未要求提供BMD值，但该工具包含了多种临床危险因素，因此具有较高的骨折预测能力，其预测髋部骨折和OPF风险的AUC分别为0.75和0.77[9]。但该工具仅适用于英国人群，国内外仍然需要大量的临床研究对该工具的有效性进行验证。

1.1.4韩国骨折风险评分（KFRS）

KFRS是2016年由韩国学者Kim等[20]基于韩国健康管理数据库建立，适合50～90岁个体的骨折风险预测模型，可从网址http：//www.nhis.or.kr中获取。该模型包含年龄、BMI、近期骨质疏松性骨折史、吸烟、酗酒、缺乏定期锻炼、近期口服糖皮质激素、类风湿关节炎以及其他原因引起的继发性骨质疏松症9个变量，可计算个体7年内发生骨质疏松性骨折的概率，在韩国男性和女性人群中AUC分别为0.68和0.65，鉴别能力尚可。KFRS是基于亚洲人群建立的预测模型，对我国骨折风险评估存在一定的借鉴意义。但该工具目前存在以下问题：(1)骨折风险评估工具主要用于初级卫生保健机构，构建该工具模型的数据来源于健康管理数据库，可能存在选择偏倚；(2)工具未纳入其他骨折高危因素如BMD、跌倒史或饮食情况等，可能影响其预测的准确性；(3)工具构建时可能漏诊无症状的椎体骨折患者，低估人群的骨折风险；(4)目前该工具的阈值尚未确定，也未在其他人群中进行验证，其外推性受到一定的限制[20]。

1.1.5丹麦骨折风险预测模型（Fracture Risk Evaluation Model,FREM）

FREM是由Rubin等[21]基于1998～2012年丹麦国家健康登记中心的250万45岁以上人群数据构建，可用于计算个体1年内发生骨质疏松骨折或髋部骨折的风险。在骨质疏松骨折风险预测模型中，女性和男性分别包含38和43个风险因素，其AUC均为0.75；在髋部骨折风险预测模型中，女性和男性均包含32个危险因素，其AUC分别为0.87和0.85，提示2个模型的预测准确性均较高，且髋部骨折预测模型优于骨质疏松骨折预测模型。当个体骨质疏松骨折风险≥2%，髋部骨折风险的≥0.3%时，被视为骨折高风险人群，建议行进一步的筛查如DXA测定BMD值。

FREM是首个基于全国人群注册数据库建立的模型，无需任何实验室检查或临床测量，可用于初级保健部门的常规筛查，但由于该工具包含的因素较多，不利于人工计算，建议结合电子注册信息管理系统应用。FREM计算工具本身也存在某些局限[21]，如模型未包含BMI、吸烟、饮酒、骨质疏松症或骨折家族史、糖皮质激素使用史等潜在骨质疏松骨折的临床危险因素，未考虑人群药物治疗情况以及为期15年内暴露因素与1年内结局间的剂量-效应关系。此外，由于各国的骨折发病率以及电子健康管理系统内容结构的差异，FREM外推时可能需要对相关系数进行校正。

1.1.6骨质疏松类风险评估工具

鉴于老年人骨折与骨质疏松症或低BMD存在较强相关性，国内外一些学者开始将骨质疏松症风险评估工具应用到骨折风险评估中，如骨质疏松自我筛选工具（OSTA）在预测亚洲绝经后妇女患骨质疏松症风险方面具有较高敏感性，但由于OSTA仅考虑体质量和年龄因素，且评估结果易受年龄、性别、种族、BMD测定部位以及临床疾病等因素的影响，故该工具在老年人骨折风险中的应用尚存在争议[22]。其他骨质疏松风险评估工具如ORAI、SCORE、OSIRIS等内容较简单，缺乏部分骨折相关的临床危险因素，且应用人群相对局限于绝经后妇女或骨质疏松症患者，因此骨质疏松风险评估工具在老年人群中的骨折风险预测能力存在争议[9,22,23,24]。

1.2长期照护机构内老年人骨折风险评估工具

1.2.1FRAiL评估工具

FRAiL是Berry等[25]在2017年基于美国长期照护机构的居民评估工具-最小数据集2.0(RAI-MDS2.0）开发的骨折风险评估工具，内容包括高龄、白种人、女性、跌倒史、注意力低下、低BMI、徘徊症、骨关节炎、压力性损伤、糖尿病以及认知功能、日常生活活动能力、运动功能、排尿情况和转移功能评估15个项目，主要用于评估长期照护机构内的65岁以上老年人2年内发生髋部骨折的风险。当工具的截断值取6%时，FRAiL灵敏度为81.4%，特异度为44.8%，男性和女性AUC分别为0.69和0.71，预测能力尚可。但由于照护机构中的老年人功能状态以及治疗情况等具有时变性，FRAiL的预测准确性可能受到一定影响。此外，由于每个国家、照护机构甚至个体治疗情况存在差异，FRAiL的外推性可能受到一定的限制。

1.2.2骨折风险量表FRS

是Ioannidis等[26]采用决策树分析方法编制，内容包含行走能力、徘徊症、跌倒史、认知功能、移动能力、年龄大于85岁、BMI、骨折史等多个项目，主要用于评估长期照护机构老年人1年内发生髋部骨折的风险。FRS将老年人髋部骨折风险分成八个等级，级别7和8视为髋部骨折极高风险组，级别4、5、6视为高风险组，级别1、2、3视为低风险组。该量表的预测准确性尚可，AUC为0.673。Negm等[27]发现FRS同样可以有效应用于加拿大其他省份的长期照护机构中，但目前尚未发现该量表在其他国家进行验证。

2、国内骨折风险评估工具的研究现状

目前，国内本土化的骨折风险评估工具尚缺乏，我国大部分研究采用世界卫生组织推荐的FRAX对老年人的骨折风险进行预测，现有的本土化骨折风险预测模型主要基于部分西医危险因素以及中医特色症状体征或证候要素进行构建，仅适用于我国绝经后妇女。

申浩[28]于2014年基于Cox比例风险模型，通过筛选出的临床危险因素（年龄、绝经年限、分娩次数）、中医症候（目眩、下肢痉挛）以及BMD值等6个危险因素构建了3种绝经后OPF的风险预测模型。模型Ⅰ包含BMD、临床危险因素和中医症状；模型Ⅱ仅包含BMD和临床危险因素；模型Ⅲ仅包含临床危险因素和中医症状，三者的AUC分别为0.750、0.697和0.726，均具有较好的预测效果。

此外，章轶立等[29]对1129例绝经女性开展OPF高危人群流行病学资料调查，分别基于Grouplasso模型和决策树模型，将现代医学危险因素、中医特色临床症状、中医证候信息相结合，构建了2种符合我国人口学特征的绝经后OPF预测模型。Grouplasso模型和决策树模型包含的具体变量分别有BMD、年龄、饮食、身高、月经情况、孕产次数和肝肾阴虚7大类以及BMD、目眩、肉类、分娩次数、视物模糊和乏力6大类，其AUC分别为0.88和0.87，均表现出较好的预测能力。

虽然上述基于中医特色构建的绝经后骨质疏松骨折风险预测模型在我国具有较好的鉴别能力，但目前尚未发现其在我国其他老年人群中应用。此外，上述模型在构建时由于样本量不足、研究对象局限在上海、北京部分社区的40～65岁绝经后妇女，而我国饮食文化、中医证候等存在地域性差异[30]，因此以上工具在我国老年人群普适性可能受到一定限制。

3、小结与展望

3.1小结

目前国内外存在多种骨折风险评估工具，但大部分骨折风险评估工具在构建或验证时，纳入的危险因素片面、研究样本量过少、研究对象多为绝经后妇女、缺少大规模和长时间随访调查等，其外推性均存在一定的局限。而由于各个国家在人群特征、文化背景等方面存在差异，工具的干预阈值尚未达成共识，变量数量对预测效能的影响仍然存在争议。在众多评估工具中，FRAX、Garvan工具以及QFracture经过多项大样本人群的验证研究，是目前鉴别力最高、应用最广泛的老年人骨折风险评估工具[9,12]。其中FRAX和Garvan工具对老年人髋部骨折风险预测能力较好，而QFracture在老年人骨质疏松性骨折的风险预测能力方面更占优势，但QFracture内容复杂，需依赖临床电子信息系统，因此FRAX和Garvan在临床实践中的实用性和推广性更强。

此外，FRAiL、FRS均可应用于长期照护机构，但两者仅适用于本国人群，缺乏一定的推广性。

3.2展望

3.2.1构建适合我国老年人的骨折风险评估工具

虽然国外已存在多种成熟的骨折风险评估工具，但以上工具在我国并未进行大规模的验证性研究，在我国老年人群中的普适性存在争议，而国内本土化的老年人骨折风险评估工具的构建工作尚处于起步阶段。因此，建议完善我国老年人骨折的流行病学资料，同时在大样本人群长期随访研究的基础上，考虑我国人群或环境特性，构建和发展适合我国老年人骨折风险预测模型及干预阈值，为我国老年人骨折的初级预防和控制工作提供有效的实证参考依据。

3.2.2合理应用老年人骨折风险评估工具

临床尤其是初级卫生保健机构可借鉴国外经验，对老年人骨折风险评估实行分阶段管理策略。首先，将含有多种临床危险因素的骨折风险评估工具作为初筛工具，针对初筛结果结合BMD值、TBS或骨转化标记物等现代医学测量技术对老年人骨折风险进行多元化分析，以提高工具的预测准确性。其次，根据风险分级结果，对老年人提供针对性的预防干预措施，以期降低老年人骨折的发生率，进而减少老年人骨折的发生，从而减少医疗支出及相应社会成本。此外，在应用国内外骨折风险评估工具前，建议先在区域内目标人群中进行验证或对工具内的系数进行适当的校准，亦可对多个工具进行比较研究，以此选择预测性能高、操作简便、实用性强的老年人骨折风险评估工具。

3.2.3开发适合长期照护机构内老年人的骨折风险评估工具

由于长期照护机构中的老年人和普通社区里老年人的身体健康状况存在差异，且居住在长期照护机构中的老年人发生骨折，不仅会降低其生活质量或平均寿命，同时易引发机构与居住者的矛盾冲突，影响机构运营发展。因此建议今后的研究可根据长期照护机构内老年人的平均寿命年和个体特征，结合电子健康档案采集系统，构建特异性较高的老年人骨折风险预测模型。

参考文献：

[1]范彩丽,宋凌霞,张莉,等.损害控制应用于老年髋部骨折围手术期护理的研究进展[J].护理学杂志,2018,33(4):16-18.

[2]章轶立,魏戌,申浩,等.骨质疏松性骨折诊断技术与风险预测工具研究进展[J].中国骨质疏松杂志,2018,24(5):676-680.

[4]中华医学会骨科学分会骨质疏松学组.骨质疏松性骨折诊疗指南[J].中华骨科杂志,2017,37(1):1-10.

[8]中华医学会骨质疏松和骨矿盐疾病分会.原发性骨质疏松症诊疗指南(2017)[J].中华骨质疏松和骨矿盐疾病杂志,2017,10(5):413-443.

[10]蔡舒婷,孙雯,刘红.骨折风险评估工具(FRAX?)在评价绝经后女性骨密度的临床意义[J].中国骨质疏松杂志,2017,23(2):177-182.

[13]李燕云,丁绍红,高远,等.各地区FRAX干预阈值在无锡地区骨质疏松防治中的临床应用[J].中国骨质疏松杂志,2016,22(4):458-462,482.

[14]李亮,王银海.骨折风险评价工具(FRAX?)研究及应用[J].中华骨质疏松和骨矿盐疾病杂志,2019,12(1):94-99.

[15]黄伦浪,王玲,王溯源,等.骨折风险评估工具FRAX对藏族患者临床应用价值的探讨[J].中国骨质疏松杂志,2019,25(1):85-88.

[17]王俊,王雪君,方贞.FRAX和Garvan法评估中老年人群骨折风险效果比较[J].预防医学,2017,29(3):282-285.

[28]申浩.基于Cox比例风险模型的绝经后骨质疏松症骨折早期风险预测工具研究[D].北京:中国中医科学院,2014.

[29]章轶立,魏戌,聂佩芸,等.基于GroupLasso的Logistic回归模型构建绝经后骨质疏松性骨折初发风险评估工具[J].中国骨质疏松杂志,2018,24(8):994-999.

[30]徐晓玲.食品餐饮文化的南北差异性研究[J].人力资源管理,2017(7):300-301.

戴婷,马彩莉,张孟喜,周雅琴,陈希,赵丽萍.老年人骨折风险评估工具的研究进展[J].护理学杂志,2020,35(12):106-110.