骨质疏松性骨折风险评估工具:FRAX、QFracture、Garvan的应用和比较

骨质疏松性骨折是骨质疏松症最严重、最主要并发症,严重影响患者远期预后的同时加重医疗负担。因此基于临床和个人特征的多种骨折风险评估工具被开发,以早期识别骨质疏松性骨折的高危人群。FRAX、QFracture、Garvan都是国外常用的骨质疏松性骨折风险评估工具。然而我国缺乏对骨折风险预测工具的应用,相关研究也较少。本文就FRAX、QFrac研究进展做一介绍,并对三种工具进行比较,帮助不同人群选择合适的骨质疏松性骨折风险评估工具,为脆性骨折的预防、减少骨折发生提供参考。

Garvan Nomogram法评估城区中老年人骨折风险效果分析

目的探索应用澳大利亚的骨折风险评估方法 Garvan Nomogram评估法在国内中老年居民中的适用性。方法对50~89岁422名居民进行调查及骨密度(BMD)检测,用Garvan Nomogram方法进行评估。应用配对t检验比较根据体重和股骨颈BMD的预测风险情况,以ROC曲线下的面积(AUC)对不同Garvan Nomogram预测的准确性进行评估。结果根据体重预测5年和10年髋部骨折风险分别为0.65%和1.26%,男性显著高于女性;5年和10年任意部位骨折风险分别为7.06%和14.00%,男性显著低于女性。根据股骨颈BMD预测5年和10年髋部骨折风险分别为2.61%和4.97%,5年和10年任意部位骨折风险分别为8.48%和16.52%。根据BMD预测骨折风险显著高于根据体重预测风险。骨量正常、骨量减少和骨质疏松对象的预测骨折风险呈递增状态。根据体重预测的骨折风险对骨质疏松的预测准确性较低,AUC均<0.70;根据BMD预测的骨折风险对骨质疏松的预测有一定准确性,AUC为0.80左右。研究对象1年随访发生骨折9例(2.13%)。该方法对一年骨折风险的预测准确性较低,AUC均<0.70。结论 Garvan Nomogram方法可通过临床危险因素来预测骨折风险,根据股骨颈BMD预测风险较根据体重预测风险要更准确。

骨质疏松性骨折风险预测工具的研究现状

骨质疏松性骨折(osteoporotic fractures,OF)是骨质疏松(osteoporosis,OP)患者最严重的并发症,对生活质量影响极大且致死率高;骨密度结合临床风险因子的OF预测工具可以有效评估骨折发生的风险,有助于OF的早预防、早治疗。本文主要阐述目前使用最多的三种OF风险评估工具:FRAX、QFracture和Garvan nomogram,通过查阅近些年发表的文献收集相关数据,从风险因子、适用人群、预测能力等方面总结其优缺点,以便为临床医生工作和患者自我管理提供参考。

对神经肌肉反射环终端的直接电刺激

人体运动行为的稳定性来源于反馈控制,是以抑制运动能力为代价的。运动训练的实质就是在某一瞬间或某一段时间内局部地或全部地截断人体运动行为控制系统中的反馈网络,然后在发挥出超常运动能力的新条件下重新接续新的反馈网络,并利用人体內在的自组织和自繁殖过程在保持适当的反馈信息转移函数前提下完成人体形态和机能的重建,以保证新的行为稳定结构。对肌肉或终止于肌肉的运动神经施以直接电刺激所引起的阶跃响应及其后效可用以摹拟和替代运动训练的部分作用。