退行性脊柱畸形(degenerative spinal deformity,DSD)是指在无既往脊柱畸形史的个体中,随年龄增长而出现的脊柱肌肉骨骼结构及椎间盘的进行性退变,常表现为疼痛、功能障碍与生活质量下降
[1-2]。对于保守治疗无效的患者,长节段后路融合术是恢复脊柱序列、缓解症状的主要外科手段
[3]。然而,该手术术后机械并发症发生率较高,其中近端交界区失败(proximal junctional failure,PJF)尤为突出
[4]。PJF是指存在近端交界性后凸(proximal junctional kyphosis,PJK),定义为近端交界角(proximal junctional angle,PJA)变化≥22°或<-28°,并同时伴有以下至少一种结构性失败:上端固定椎(upper instrumented vertebra,UIV)或UIV+1椎体骨折、后方韧带复合体断裂,或UIV处内固定失败
[5]。文献报道其发生率约为1.4% ~ 19%,其中近半数病例需再次手术翻修,不仅严重影响患者预后,也带来沉重的临床与社会经济负担
[6]。
研究表明,骨质疏松导致的骨密度下降是PJF发生的关键生物力学危险因素
[7-8]。目前临床上骨密度评估的“金标准”——双能X线吸收测量法(dual-energy X-ray absorptiometry,DXA)在脊柱畸形患者中存在明显局限性:脊柱退变、骨质增生及既往内植物等因素均可干扰测量结果,影响其准确性
[9-10]。相比之下,基于术前常规CT影像的亨氏单位值(Hounsfield unit,HU)测量,能够直接、定量反映椎体松质骨的骨质量,且不受上述因素干扰,为手术椎体的局部骨强度评估提供了便捷、可靠的工具
[8,11]。尽管已有研究提示UIV HU值与近端交界性问题存在关联,但其对PJF的预测效能尚未明确,亦缺乏基于HU值的系统性风险评估体系
[12]。本研究通过较大样本回顾性分析,明确术前UIV HU值对PJF的预测价值,并建立一套基于双阈值、便于临床推广的风险分层模型,以期为术前精准识别高危患者、指导个体化手术决策提供重要参考。
1 对象与方法
1.1 研究对象
本研究为一项回顾性队列研究。纳入2015年1月至2022年10月于解放军总医院第四医学中心骨科就诊的DSD患者。
纳入标准:(1)明确诊断为DSD;(2)在本中心接受后路长节段器械融合手术(均采用钛合金椎弓根螺钉双棒系统固定),且固定融合节段≥4个;(3)年龄≥45岁;(4)术后随访时间≥24个月。排除标准:(1)合并其他脊柱病变史,如脊柱感染、病理性骨折或脊柱肿瘤等;(2)伴有帕金森病等可能影响脊柱稳定性的神经系统疾病;(3)既往有脊柱内固定手术史;(4)术前或随访期影像学资料不全。
纳入患者的手术指征主要包括:(1)因畸形导致椎管或椎间孔狭窄,引发进行性神经功能缺损;(2)影像学证实的矢状面或冠状面失衡进展,伴临床功能恶化,例如,术前1年内矢状面垂直轴(sagittal vertical axis,SVA)增加>50 mm或冠状面Cobb角增加>10°;(3)严重的顽固性腰背痛和(或)神经根性症状,严重损害健康相关生活质量,且至少6个月系统性非手术治疗无效。
本研究方案已经解放军总医院医学伦理委员会审查批准(编号:2025KY078-KS001)。鉴于本研究为回顾性分析,不涉及个人隐私披露及商业利益,且对受试者风险极小,豁免患者知情同意。
1.2 数据收集与测量方法
1.2.1 基线资料与手术参数
通过医院电子病历系统(PRIDE),收集患者的年龄、性别等基线资料,以及手术融合节段数、术中失血量、UIV与下端固定椎(lower instrumented vertebra,LIV)位置等手术相关信息。所有患者术后均遵循统一的康复方案:8 ~ 24 h在定制胸腰骶支具保护下开始下地活动。支具佩戴时间为术后3个月,其间限制剧烈弯腰及负重活动。所有患者均接受了标准的抗骨质疏松宣教及必要的药物治疗。
1.2.2 影像学参数测量
所有患者均于术前、术后即刻及末次随访时拍摄站立位全脊柱正侧位X线片。使用院内影像归档与通信系统(PACS)及专业测量软件(Bee DICOM Viewer,版本3.7.2)进行参数测量。主要测量指标:骨盆入射角(pelvic incidence,PI)、骨盆倾斜角(pelvic tilt,PT)、骶骨倾斜角(sacral slope,SS)、腰椎前凸角(lumbar lordosis,LL)、胸椎后凸角(thoracic kyphosis,TK)、胸腰段后凸角(thoracolumbar kyphosis,TLK)、PJA、T1骨盆角(T1 pelvic angle,TPA)及SVA,以及计算得出的骨盆入射角-腰椎前凸角不匹配度(PI-LL)。见
图1。所有测量由2名高年资脊柱外科医师独立完成,取其平均值进行后续分析。
1.2.3 上端固定椎HU值测量
术前UIV的HU值在轴位CT图像上测量。所有纳入病例的影像学资料均来源于同一台64排螺旋CT扫描仪(联影医疗,中国上海),扫描协议高度一致:包括120 kV管电压及自动调制电流,重建层厚为3 mm且均使用标准骨算法,从而确保了不同个体间HU值测量的可比性。图像测量采用存档软件(Bee DICOM Viewer,3.7.2)进行测量。由2名高年资脊柱外科医师在盲法(不知晓患者临床结局)下,按照统一方案独立完成测量。具体方法:在UIV椎体松质骨内,避开皮质骨、后壁静脉丛(血管沟)、骨岛及明显硬化或骨赘增生区,于上终板下缘、椎体中部及下终板上缘3个层面分别划定椭圆形感兴趣区(region of interest,ROI)。每个ROI的平均面积设定为150 mm
2,以确保测量的代表性与一致性。记录其平均HU值。取每位观察者3个层面测量值的均值作为该观察者的结果,最终用于分析的UIV HU值为2名观察者测量结果的平均值(
图2)。采用组内相关系数(intraclass correlation coefficient,ICC)评估观察者间及观察者内的测量信度,ICC>0.75视为信度良好。若两位观察者的测量差值超过10 HU或10%,则由第3名资深脊柱外科医师进行复核仲裁,取3人测量值的平均数作为最终数据。
1.3 研究分组与结局指标
本研究的主要结局指标为术后发生PJF。参照文献
[13]的标准,PJF定义为满足以下任意一项:(1)PJA较术后即刻增加≥10°,且PJA绝对值>10°;(2)近端交界区(UIV或UIV+1)发生椎体骨折、脱位或内固定失效(螺钉拔出、断裂);(3)因近端交界区疼痛、畸形或神经症状需要行翻修手术。所有患者均完成至少2年随访,在此期间出现的上述情况均被记录为结局事件。
基于术前UIV HU值,通过受试者工作特征(receiver operating characteristic,ROC)曲线分析确定预测PJF的最佳临界值(约登指数最大)及高特异度临界值(90%特异度),并据此将患者分为3组:低风险组(HU>最佳临界值)、中风险组(高特异度临界值≤ HU ≤最佳临界值)和高风险组(HU<高特异度临界值)。
1.4 样本量计算
样本量的确定基于先验功效分析。根据既往研究
[14]及临床经验,设定长节段固定融合术后2年随访期内的PJF预期发生率为20%,为验证UIV HU值对PJF的保护性效应(即HU值越低,PJF风险越高),设定单侧检验显著性水平α=0.05、检验功效1-β=0.80。当目标效应量为调整后比值比1.41时,采用Hsieh等
[15]提出的逻辑回归样本量计算公式:
经计算,获得统计学显著性差异所需的最小样本量为328例。考虑到回顾性数据采集中可能存在约15%的资料缺失或随访丢失率,本研究将目标样本量扩大至约386例,最终实际纳入分析387例。
1.5 统计学分析
采用GraphPad Prism软件(版本10.1.2)及R语言(版本4.4.2)进行统计分析。符合正态分布的计量资料以均数±标准差()表示;不符合正态分布者以中位数描述。多组间比较,若数据符合正态分布且方差齐,采用单因素方差分析(ANOVA),事后两两比较采用Bonferroni法;若非正态或方差不齐,则采用Kruskal-Wallis检验。分类变量以例数(百分比)表示,组间比较采用卡方检验。
为明确术前上端固定椎亨氏单位值对近端交界性失败的独立预测价值,我们首先进行单变量逻辑回归分析,筛选与PJF发生相关的变量。随后,将这些有意义的变量(包括UIV HU值、年龄、UIV水平)纳入多变量二元logistic回归模型(采用向前逐步法,似然比检验),以控制混杂效应,评估UIV HU值的独立预测作用。结果以调整后比值比及其95% CI呈现。采用Hosmer-Lemeshow检验评估多变量逻辑回归模型的校准度。
采用ROC曲线分析评估UIV HU值对PJF的预测效能,并计算曲线下面积(area under the curve, AUC)。基于ROC分析结果,选取两个关键阈值用于临床风险分层:以约登指数最大化确定“最佳临界值”(用于平衡敏感度与特异度);设定特异度为90%确定“高特异度临界值”(用于高效识别高危人群)。根据这两个阈值,将全体患者分为低、中、高3个风险组。
对于术前UIV HU值的测量,采用组内相关系数评估观察者间及观察者组内的测量信度。对于术后不同时间点(术前、术后即刻、末次随访)的影像学参数比较,采用重复测量方差分析。
检验水准设为α=0.05;以P<0.05为差异有统计学意义。
2 结果
2.1 患者基线资料与HU值测量可靠性
本研究共纳入387例DSD患者(
表1),其中男性88例(22.74%),女性299例(77.26%),平均年龄(64.28±5.67)岁。
术前UIV HU值测量的观察者间组内相关系数(intraclass correlation coefficient,ICC)为0.92(95% CI:0.89 ~ 0.94),观察者内ICC为0.96(95% CI:0.94 ~ 0.97),表明测量结果具有良好的信度。
2.2 PJF发生情况与危险因素分析
本研究中,共88例(22.7%)患者在随访期间被诊断为PJF。从时间分布来看,PJF主要发生于术后早期,其中约65.9%(58/88)的病例发生于术后12个月内,平均确诊时间为14.2个月。所有未发生PJF的患者均完成了至少2年的随访。单变量分析显示,术前UIV HU值、年龄及UIV水平与PJF发生相关(
P<0.05)。多变量logistic回归分析(
表2)表明,在调整年龄及UIV水平后,术前UIV HU值仍是PJF的独立保护因素(
OR=0.966,95%
CI:0.955 ~ 0.977,
P<0.001)。换算为临床常用单位,术前UIV HU值每增加10个单位,发生PJF风险降低约29.2%(
OR=0.708,95%
CI:0.631 ~ 0.792,
P<0.001)。年龄(
OR=1.041,
P=0.09)与UIV水平(
OR=1.737,
P=0.077)的独立预测作用无统计学意义。
2.3 基于UIV HU值的风险分层及PJF发生率
基于上述独立预测因子UIV HU值,通过ROC曲线分析确定两个关键的临床阈值:(1)高敏筛查临界值132.3 HU(基于最大约登指数确定,敏感度86.4%,特异度50.5%),旨在以较高的敏感度作为初步筛查标准,最大限度减少高危患者的漏诊;(2)高风险预警值96.5 HU(设定特异度为90%时确定,敏感度28.4%),旨在以较低的假阳性率识别高危人群。术前UIV HU值预测术后发生PJF的
AUC为0.721(95%
CI:0.666 ~ 0.776),表明其具有中等程度的预测能力(
图3)。据此将患者分为低风险组(HU>132.3,n=163)、中风险组(96.5≤HU≤132.3,n=169)和高风险组(HU<96.5,n=55)。3组患者的基线特征及手术参数差异均无统计学意义(
P>0.05)。PJF发生率呈显著梯度:低风险组7.4%(12/163),中风险组30.2%(51/169),高风险组45.4%(25/55)(
P<0.001,
表2)。同时,基于96.5 HU这一高特异度阈值,其预测PJF的阳性预测值为45.5%,阴性预测值为81.0%。
2.4 不同风险组间脊柱-骨盆矢状面参数比较
采用双向重复测量方差分析比较 3 组患者在不同时间点的影像学参数。结果显示,对于PJA、SS及TK,测量时间与风险组别之间均存在显著的交互效应(P<0.05)。
进一步的简单效应分析表明:在术前及术后即刻,3组间PJA差异无统计学意义(P>0.05);然而至末次随访时,高风险组的PJA激增至(12.74°±8.21°),显著大于同时间点的中风险组(5.12°±3.11°)及低风险组(6.21°±4.12°)(P<0.05)。这直观地提示,UIV HU值较低的患者在术后远期面临极高的交界区后凸进展风险。
此外,对于SS和TK,组间差异主要集中在术后即刻:低风险组的SS为(29.55°±8.71°),显著高于高风险组和中风险组(
P<0.05),且其TK亦显著大于中风险组(
P<0.05)。但随着随访时间延长,至末次随访时,3组间的SS、TK及TPA、SVA、PI-LL等整体矢状面平衡参数均趋于一致,差异未见统计学意义(
P>0.05)。见
表3。
3 讨论
本研究回顾性评估了接受长节段后路融合手术的DSD患者的临床及影像学资料,旨在探讨术前UIV HU值对术后PJF的预测作用。多变量分析结果显示,术前UIV HU值是DSD患者术后发生PJF的独立预测因子。虽然年龄与UIV水平在本研究人群的多变量模型中差异未达到统计学意义(P值分别为0.09和0.077),但这也进一步提示局部骨质量(由HU值客观反映)可能是比年龄和融合近端位置更为直接的风险因素;其效应可能覆盖了后两者的部分贡献,或受限于样本变异度未展现出独立效应。基于上述客观发现,本研究进一步构建了以132.3 HU和96.5 HU为双阈值的三级临床风险分层模型,实现了对PJF风险的定量化与层级化评估。
既往研究已提示UIV HU值与近端交界性疾病存在关联
[9-10,16]。例如,Duan等
[16]在54例患者中提出预测PJK的HU阈值为104。Moridaira等
[17]也在45例成人脊柱畸形患者中报道UIV/UIV+1的HU值是PJF的独立危险因素(阈值97.8 HU)。然而,上述研究样本量有限,且均未基于HU值建立系统性的风险分层体系。本研究纳入387例患者,不仅验证了UIV HU的独立预测作用,更重要的是通过双阈值划分出低、中、高3个风险等级,并观察到PJF发生率呈显著递增趋势(7.4%→30.2%→45.4%,
P<0.001)。这一梯度变化进一步提示,术前局部骨密度(以HU值表征)与PJF的发生密切相关,可能是其重要的潜在风险因素之一;这也为临床实施针对性预防策略提供了客观参考。
从生物力学机制上看,骨密度降低会直接削弱螺钉‑骨界面的完整性,降低螺钉把持力,增加术后松动风险,并使椎体在循环载荷下更易发生微骨折及进行性塌陷
[18]。UIV作为长节段固定结构的力学支点,处于高应力集中状态
[19-21]。若该椎体骨质量低下,则难以适应术后应力重新分布,从而导致近端交界角进行性增大,最终易引发椎体压缩骨折、螺钉拔出等结构性失败,即PJF
[22]。
本研究的风险分层模型并非仅依赖单变量关联,而是以多变量分析所验证的UIV HU独立预测作用为基础。这使得所用阈值(132.3 HU与96.5 HU)具有明确的生物学意义与临床预测效能。数据显示,HU<96.5的高风险组患者发生PJF的比例为45.4%,而HU>132.3低风险组患者发生PJF的比例为7.4%,这为术前识别极高危个体提供了直观的客观依据。同时,中风险组(HU 96.5 ~ 132.3)的PJF发生率仍达30.2%,显著高于低风险组,提示即使骨密度仅中度下降、未达常规骨质疏松诊断标准(约110 HU)
[23-24],患者仍面临不可忽视的手术风险,而这部分人群在临床中常被忽视
[25]。
本研究通过ROC曲线分析得到
AUC为0.721,提示单纯利用UIV HU值对PJF具有中等程度的预测效能。这可能与PJF的成因复杂(涉及脊柱骨盆指数、肌肉质量等)有关。基于此,我们确立了双临界值:132.3 HU(最大约登指数)具有高敏感度,适用于初步筛查以最大程度减少漏诊;而96.5 HU阈值的高特异度则利于确认高风险状态,从而为决策是否采取强化内固定或加强术后监测等干预措施提供关键依据
[26]。
基于上述发现,建议将UIV HU值测量纳入拟行长节段融合的DSD患者的常规术前评估中
[27]。该方法直接利用现有CT影像,无需额外检查,兼具操作简便、成本效益高的优点,符合临床实用性与卫生经济学原则
[28]。针对不同风险层级,推荐采取差异化的围手术期管理策略:对于高风险患者,术中可考虑采用近端强化技术(如钩‑棒结构、骨水泥强化螺钉或适当延长融合节段),并加强抗骨质疏松治疗(如使用特立帕肽等骨形成剂)
[29-31];必要时可延迟手术,先行骨质量优化
[32-33]。对于中风险患者,应加强术后影像学监测与康复指导
[12]。
此外,在临床推广本研究提出的风险阈值(96.5 HU与132.3 HU)时,需注意其基于特定的CT扫描参数(管电压120 kV,标准骨重建算法)。若其他中心采用不同参数(如80/140 kV或特殊重建核),建议先行校正或建立转换系数,以避免因技术差异导致风险误判。
影像学分析揭示了骨密度对术后脊柱-骨盆代偿机制的独特影响
[34]。本研究发现,在术后即刻,低风险组能维持较高的SS,而高、中风险组的SS相对较低。这提示在相同的内固定矫形效果下,骨质较差的患者可能被迫更早启动骨盆后倾机制,以通过减小SS来代偿前方重力线的偏移
[35-36]。
虽然至末次随访时,3组患者的TPA、SVA及PI-LL等反映整体矢状面平衡的参数均趋于一致且差异无统计学意义,但这并不意味着高风险组患者实现了“真正的”生理平衡。相反,这种整体平衡的维持可能是一种“昂贵”的代偿结果。高风险组在末次随访时PJA显著增大(达12.74°),且显著高于其他两组,这直观地反映了局部代偿机制的耗竭:当骨盆和腰椎通过代偿勉强维持TPA达标时,残余的应力便集中于近端交界区
[37]。对于UIV椎体骨强度不足(HU值低)的患者,这种生物力学负荷极易超越骨-植入物界面的耐受极限,导致PJA进行性增大甚至发生PJF
[38]。因此建议,对于低骨密度患者,术后评估不应仅满足于TPA或SVA的复位,更应警惕PJA的异常进展,这往往是代偿失代偿的早期信号
[39-40]。
本研究存在以下几点局限性。首先,尽管HU测量采用标准化流程,但CT设备差异与ROI手动勾画可能引入测量变异,且所提出的HU阈值在不同种族人群、手术器械及强化技术中的普适性有待验证;其次,未能纳入椎旁肌脂肪浸润、药物使用史及术后康复依从性等潜在混杂因素,可能对结果准确性产生影响;第三,本研究为单中心回顾性设计,尽管我们严格设定了纳入排除标准,但仍不可避免地存在选择偏倚;第四,受限于回顾性数据采集,部分病例确切地PJF起病时间点难以精准追溯,因此本研究采用了logistic回归而非Cox比例风险模型进行分析,未能提供基于时间的动态风险评估,这在一定程度上限制了对时间依赖性风险的探索。但考虑到所有患者均完成了至少2年的随访,结局判断(发生/未发生)是明确可靠的
[10];第五,虽经多变量分析及内部验证,仍缺乏外部独立队列验证,可能限制了结论的外部推广性;最后,虽已说明手术指征,但回顾性数据难以严格按影像学进展标准区分“进展性”与“稳定性”畸形。未来需开展多中心、大样本的前瞻性研究,以进一步验证本模型的校准度与临床广泛适用性。
综上所述,本研究通过多变量分析证实术前UIV HU值是PJF的独立预测因子,并据此构建了包含3个风险等级(阈值132.3 HU与96.5 HU)的分层模型。该模型能有效识别PJF发生率高达45.5%的高危患者,为术前量化评估及个体化防治策略的制定提供了实用工具。
数据共享声明
本论文相关数据可依据合理理由从作者处获取, Email: lzc20210101@126.com。