《GeroScience》:Machine learning derived abdominal aortic calcification is associated with physical frailty in community-dwelling adults: the UK Biobank Imaging Study
编辑推荐:
摘要:临床心血管疾病(CVD)常存在于虚弱个体中,但亚临床CVD如腹主动脉钙化(abdominal aortic calcification, AAC)是否与虚弱相关尚不清楚。本研究探讨经验证机器学习模型评分的AAC(ML-AAC24)与躯体虚弱(physic
摘要:临床心血管疾病(CVD)常存在于虚弱个体中,但亚临床CVD如腹主动脉钙化(abdominal aortic calcification, AAC)是否与虚弱相关尚不清楚。本研究探讨经验证机器学习模型评分的AAC(ML-AAC24)与躯体虚弱(physical frailty)的横断面关系。纳入英国生物样本库影像研究中无动脉粥样硬化性心血管疾病(atherosclerotic CVD, ASCVD)诊断的49,081名受试者。ML-AAC24程度按既定严重程度分为低、中、高三级。躯体虚弱基于改良Fried虚弱表型(Fried's frailty phenotype),包括握力弱、步行速度慢、体重减轻、疲惫及体力活动不足,符合≥3项判为虚弱(frail),1–2项为虚弱前期(pre-frail)。采用多变量校正的多分类logistic回归检验ML-AAC24程度与虚弱状态的关联。五分之一受试者存在中度或高度ML-AAC24。与低ML-AAC24者相比,中度及高度ML-AAC24者出现虚弱前期的比值比(OR)分别为1.06(95%CI 1.00–1.12)和1.14(95%CI 1.04–1.26),出现虚弱的OR分别为1.27(95%CI 1.12–1.44)和1.58(95%CI 1.31–1.91),均经多协变量校正。按性别分层结果相似。人群中ML-AAC24中高水平者更易表现为虚弱前期和虚弱。常规骨密度检测获取的侧位脊柱影像中识别的AAC可作为虚弱早期检测的有用标志物,突显多模式照护的重要性。
该研究发表于《GeroScience》。全球预期寿命延长但健康寿命未能同步增长,老年人群慢性病人数增加使虚弱(frailty)负担上升。虚弱以多生理系统衰退、稳态储备及应激抵抗能力下降为特征,常用Fried躯体虚弱表型(握力弱、步速慢、非意愿性体重减轻、主观疲惫、低体力活动)或Rockwood累积缺陷指数评估,与跌倒、骨折、痴呆、失能及死亡风险升高相关。腹主动脉钙化(abdominal aortic calcification, AAC)是亚临床心血管疾病的影像学标志,可从双能X线吸收法(dual-energy X-ray absorptiometry, DXA)侧位脊柱影像(lateral spine images, LSI)按Kauppila半定量法评分为AAC8或AAC24(低<2,中2–5,高≥6),既往报道AAC与肌少症、握力下降、快速体重减轻、跌倒、骨折及痴呆有关,少数小样本研究显示AAC与虚弱相关,但尚无大样本利用自动化机器学习评分AAC(ML-AAC24)与Fried躯体虚弱表型关联的证据。传统AAC24人工评分耗时(4–6分钟/例),机器学习模型可自动快速评分且经外部验证与临床ASCVD事件吻合。因此,研究人员旨在明确无临床ASCVD的中老年社区人群中,ML-AAC24程度是否与改良Fried躯体虚弱表型存在横断面关联。
主要关键技术方法
研究人员基于UK Biobank影像研究队列,从53,611名有DXA衍生LSI的受试者中排除缺失Fried五项指标任一项(n=2,242)、缺失协变量(n=174)及确诊ASCVD者(n=2,114),最终纳入49,081人。AAC采用经UK Biobank子集微调验证的机器学习模型(EfficientNet-B3卷积神经网络回归)自动输出ML-AAC24评分并分为低(<2)、中(2–≤5)、高(≥6)。躯体虚弱按改良Fried表型定义:握力弱、步速慢、非意愿性体重减轻(>5%/年)、主观疲惫、低体力活动(自我报告),0分为健壮(robust),1–2分为虚弱前期(pre-frail),≥3分为虚弱(frail)。协变量含年龄、性别、BMI、吸烟、种族、Townsend剥夺指数、糖尿病、eGFR、总胆固醇、维生素D、颈动脉内中膜厚度(CIMT)、降压药使用、成像年份及居住地。统计分析采用多分类logistic回归(Model 1校正年龄/性别/BMI;Model 2追加上述协变量),进行性别与年龄(<65岁/≥65岁)分层、敏感性分析(追加CIMT/维生素D/eGFR等单因素校正、含ASCVD人群、任意AAC≥1分析)及各虚弱组分二分类logistic回归。
研究结果
ML-AAC24and pre-frailty(ML-AAC24与虚弱前期)
总体虚弱前期检出率57.4%。与低ML-AAC24相比,中度(OR 1.06, 95%CI 1.00–1.12)和高(OR 1.14, 95%CI 1.04–1.26) ML-AAC24者虚弱前期风险升高(Model 2)。女性中两水平均显著,男性仅Model 1显著。年龄分层及纳入ASCVD者结果相似,任意AAC(≥1)亦与虚弱前期相关(OR 1.06, 95%CI 1.01–1.10)。
ML-AAC24and frailty(ML-AAC24与虚弱)
总体虚弱检出率4.3%。低/中/高ML-AAC24组虚弱比例分别为3.9%、5.4%、7.4%。与低ML-AAC24相比,中度(OR 1.27, 95%CI 1.12–1.44)和高(OR 1.58, 95%CI 1.31–1.91) ML-AAC24者虚弱风险升高(Model 2),敏感性分析追加多因素后结果稳健。性别分层男女均显著(女:中度OR 1.34,高OR 1.79;男:中度OR 1.20,高OR 1.37),年龄分层除<65岁中度组外均显著。纳入ASCVD人群及任意AAC(≥1)均与虚弱正相关。
ML-AAC24and physical frailty components(ML-AAC24与各虚弱组分)
中度及高ML-AAC24与握力弱(OR分别升13%、20%)、非意愿性体重减轻(升10%、12%)及步速慢(升20%、67%)风险升高相关;与主观疲惫呈弱关联,与体力活动不足无显著关联。
讨论与结论翻译
本研究为迄今最大样本,首次证实无临床ASCVD社区中老年人中ML-AAC24程度越高,躯体虚弱前期及虚弱风险越高,尤以握力弱、步速慢及体重减轻驱动该关联,排除已确诊ASCVD后仍成立,提示亚临床CVD参与虚弱发生。局限性含横断面设计无法推断因果、部分虚弱指标自我报告可能回忆偏倚、人群以白种人为主限制外推。优势含大样本、ML-AAC24经临床CVD外部验证、可进行性别年龄分层分析及常规DXA-LSI可自动快速获取ML-AAC24(约55例/分钟),便于骨质疏松筛查时机会性发现虚弱风险人群。
结论(原文翻译):在无临床CVD的男性和女性中,ML-AAC24程度与躯体虚弱风险增加相关。这似乎由ML-AAC24程度与较弱握力、较慢行走速度及体重减轻的关联所驱动。鉴于ML-AAC24可在骨密度检测时自动评估,其可作为躯体虚弱的新型标志物。向患者及其医疗团队提供此信息有助于促使生活方式干预(如饮食与运动)或支持早期临床介入。