《Endocrine Connections》：Establishment and validation of a nomogram predicting the risk of osteoporosis with primary aldosteronism
编辑推荐：
本研究针对原发性醛固酮增多症(PA)患者骨质疏松(OP)风险识别难题，构建了首个整合PA特异性指标（如血浆醛固酮浓度PAC）的预测模型。通过LASSO回归筛选出年龄、性别、BMI等7个关键预测因子，训练集与验证集的AUC分别达0.931和0.842。该列线图可为PA患者提供个性化OP风险分层，填补当前指南中骨健康管理空白。
原发性醛固酮增多症（PA）作为继发性高血压的主要病因，影响着约5-10%的高血压患者。除了典型的高血压和低钾血症表现外，近年研究发现PA与骨质疏松（OP）及骨折风险增加密切相关。过量醛固酮可通过促进尿钙排泄、激活成骨细胞和破骨细胞中的矿物质皮质激素受体（MR）等途径干扰骨代谢。然而，当前国内外骨质疏松诊疗指南尚未将PA列为继发性骨质疏松的常规筛查病因，导致这一高危人群的骨健康管理存在显著空白。更棘手的是，基于影像学的骨密度检测可能无法早期识别骨量丢失，且现有风险评估系统缺乏PA特异性指标，容易低估患者的骨折风险。因此，开发针对PA患者的骨质疏松风险预测工具，对早期识别高危个体、指导干预具有重要意义。
在这项发表于《Endocrine Connections》的研究中，青岛大学附属医院老年医学科团队回顾性纳入了2020年1月至2024年12月期间确诊的264例PA患者，旨在建立并验证一个可预测PA患者骨质疏松风险的列线图模型。
研究采用的关键技术方法包括：通过医院数据库获取临床数据；使用双能X线吸收测定法（DXA）诊断骨质疏松（T值≤-2.5）；采用LASSO回归结合多因素logistic回归筛选预测因子；使用R软件构建列线图并通过受试者工作特征曲线下面积（AUC）、校准曲线和决策曲线分析（DCA）验证模型性能。
患者特征
研究人群平均年龄61.2±10.0岁，女性占比58.3%（154/264），骨质疏松患病率为11.4%（30/264）。训练集（n=185）与验证集（n=79）基线特征比较显示，性别、糖尿病史和醛固酮-肾素比值（ARR）存在显著差异（P<0.05）。
LASSO回归和多因素logistic回归分析
通过LASSO回归筛选出七个具有非零系数的预测变量：年龄、性别、体重指数（BMI）、糖尿病史、空腹胰岛素（FINS）、血浆醛固酮浓度（PAC）和血清肌酐（Scr）。多因素logistic回归进一步证实这些变量均为PA患者发生OP的独立影响因素。
骨质疏松预测列线图模型的建立
基于上述七个预测因子构建的列线图，可将各因素得分相加后换算为OP发生概率。该模型在训练集中的AUC为0.931（95% CI：0.879-0.982），验证集中为0.842（95% CI：0.749-0.935），表明具有优异的判别能力。
列线图的验证
校准曲线显示预测概率与观测结果高度一致，Hosmer-Lemeshow拟合优度检验显示训练集（P=0.616）和验证集（P=0.733）均具有良好的校准度。决策曲线分析表明，在1-98%（训练集）和1-33%（验证集）的阈值概率范围内，模型具有临床净获益。
研究结论指出，该列线图是首个专门针对PA患者开发的骨质疏松风险预测工具，整合了PA特异性指标与传统风险因素，表现出强大的预测性能和临床实用性。讨论部分深入分析了各预测因子的生物学意义：醛固酮可能通过促进尿钙排泄导致继发性甲状旁腺功能亢进，以及通过MR介导的氧化应激和炎症通路影响骨代谢；糖尿病史和空腹胰岛素升高则反映了醛固酮诱导的胰岛素抵抗对骨代谢的负面影响；而血清肌酐和BMI作为保护因素，可能分别反映了肌肉量对骨骼的机械刺激作用和能量代谢对骨密度的积极影响。
该研究的创新点在于首次将醛固酮这一PA核心指标纳入骨质疏松风险评估体系，为PA这一特殊人群的骨健康管理提供了量化工具。尽管模型在单中心队列中表现出色，但未来仍需多中心前瞻性研究进一步验证其普适性。这一研究成果有望推动临床实践变革，促使PA患者的骨质疏松筛查和早期干预成为综合管理的重要组成部分。
