條文本
PDF
文摘
目標評估的方法定量x射線(QXR)獲取骨骼健康信息從標準片,旨在確定骨質疏鬆症的早期症狀,使改善轉診和治療。這個QXR測量是由標準射線照片曝光後分析,意義骨骼健康數據可以伺機收購,與常規成像。
設計QXR之間的關係和雙能x線吸收儀(餘生)與幽靈的一項研究證明。前瞻性臨床研究是建立區域進行骨礦物質密度(aBMD)預測模型和非正常的風險預測模型用的結果。這是外推到一個更大的患者群用推薦數據。
設置二級護理國民醫療服務的醫院。
參與者126名成年男子患者用診所。
幹預措施所有的參與者進行了骨密度測試,以確定在腰椎BMD (L2-L4)和臀部。西門子Ysio額外Antero-Posterior骨盆x射線,固定數字x光係統進行了研究。
結果性能QXR作為非正常的風險預測(骨質疏鬆)彈道導彈防禦。
結果臨時從78例臨床研究數據證實了接收機運營商曲線(ROC曲線下的麵積)為0.893 (95% CI 0.843 - 0.942)非正常的風險預測模型用的結果。外推的結果更大的患者群11 029例顯示陽性預測值為0.98(0.8)的敏感性對人口的病人被用在當前臨床推薦標準。
結論本研究證實,這部小說QXR方法提供了準確的預測用的結果。
試驗注冊號碼ISRCTN98160454;Pre-results。
- 風濕病學
- 放射學和成像
- 骨科及創傷外科
- 老年醫學
- 預防醫學
數據可用性聲明
合理的請求數據。研究數據在合理請求從工廠CRO或通過相應的作者。
這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和許可他們的衍生產品在不同的協議,提供了最初的工作是正確地引用,給出合適的信用,任何更改表示,非商業使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/。
來自Altmetric.com的統計
這項研究的優勢和局限性
沒有修改x射線設備,證明這種定量x射線(QXR)技術兼容當前臨床工作流。
病人同意有骨盆x射線在同一天後雙能x線吸收儀(餘生)掃描,這意味著用和QXR結果直接可比性。
低至15%的射線照片拍攝標準曝光由於限製的自動曝光控製。收購因此不匹配標準的診斷檢查。這增加隨機噪聲,這意味著報道結果代表一個下界的性能。
排除是由於數據收集問題高於預期。這是由於自然為新技術的學習曲線和預計將大幅減少的第二部分研究。
研究對象隻包括病人預選用掃描儀已經考慮在骨質疏鬆症的風險更高。因此,QXR的功效以及臨床危險因素預測用不能評估一般人群。
介紹
全球人口老齡化,骨質疏鬆性骨折的風險增加有關,有迫在眉睫的挑戰,醫療保健係統和更廣泛的經濟從骨折被描述為即將到來的海嘯。1大約有34%的女性和17%的男性在世界範圍內受到骨質疏鬆症的影響。2在歐洲,每年350萬新脆弱骨質疏鬆性骨折發生,最常見的是髖部骨折(610 000),前臂遠端骨折(560 000)和脊柱骨折(520 000)。3之前和事件骨折也占了1 180 000質量調整生命年失去了在2010年在歐洲和脆性骨折的治療費用預計在2025年將增長25%。4
在英國,髖部骨折占醫療支出的£10億5和死亡率在15%和36%之間的第一年柱骨折。6然而,一旦診斷骨質疏鬆症骨折風險可以通過改變生活方式和使用大大減輕藥物療法。7藥物預防是相對便宜,隻有5%的€370億花在骨折護理在歐洲在2013年期間,3剩下的95%花在治療和長期護理。
有一個清晰的情況下改善骨質疏鬆症的早期檢測和治療,和更廣泛的篩選。在經濟上可行,那麼任何篩查必須針對那些最危險的骨質疏鬆症和理想的工作與現有的臨床路徑,以避免額外的風險和成本。改進診斷和初級和二級預防通過機會使用標準數字x光照片(DR)圖像提供了最好的機會對脆弱性骨折的膨脹的成本降低。
我們在座的中期業績的新方法的臨床研究骨質疏鬆症試銷;x射線(QXR)。摘要我們展示這種基於軟件的方法產生較高的陽性預測值(PPV)非正常雙能x線吸收儀(用)的結果被用在當前臨床患者轉診標準(CRC)。標準的測量是由曝光後分析普通x光照片。這意味著骨骼健康數據可以伺機收購,與常規斷裂和non-fracture成像,沒有增加病人劑量和微不足道的附加點的保健費用的醫療服務提供者。
技術背景
QXR技術使用一個新穎的方法來提取成分和厚度信息從標準的普通x光照片(x射線圖像)。這些信息通常不可以從一個標準的形象,通常需要一個博士multienergy方法用。
QXR算法中采用的方法是通過體積模擬x光傳輸的軟硬組織接近真實的身體部位。體積然後反複提煉,直到可以產生一個模擬x光照片匹配,從真正的掃描,觀察到一些可接受的誤差範圍之內。通過測量大量的骨模型中,可以推斷出骨中的內容真實的x光照片。
該技術的優點是,圖像可以獲得標準成像協議,沒有改變x射線硬件。這可能伺機進行測量,從同一掃描是診斷的標準。QXR軟件的典型流程比本地圖像分辨率較低的計算效率。在這項研究中,一個數字圖像的采樣23×23標準執行像素建立單一super-pixel總結在一起。
評估骨質密度不是傳統實現使用一個標準的單一能量曝光。這是因為一個強度值對於一個給定的對象並不是唯一的。QXR方法克服了這一問題。在分散,存在隻有一個解剖學上軟、硬組織分布的合理的解決方案,在哪裏可以找到協議之間的物理模型和地麵真理。通過其他方式返回這些信息通常需要一些額外的硬件複雜性,如定量CT (QCT)能夠直接測量骨密度,8或者用它使用從x射線能量信息,獲得區域骨礦物質密度(aBMD)措施。
QXR方法類似於QCT返回數據,但是從一個掃描在一個千伏電壓峰值(千伏峰值)。標準的輸出模型如下:總厚度(cm)、硬組織的一部分,直接梁分數,和散射分數。由此,骨厚度可以派生,我們定義平均骨羥基磷灰石(HA)的化合物。
從實際實現的角度來看,軟件需要輸入原始的x光照片,之前任何非線性處理和x射線曝光設置。一次性的指紋進行x射線係統連接到實際係統的物理模型。校準間隔依賴於x射線硬件的穩定但在此基礎上研究可能是月或更長時間。軟件可以提供一個離線應用程序,將數據從一個圖像存檔和通信係統,或直接安裝到x射線的硬件。
材料和方法
研究設計
126患者進行前瞻性臨床研究,在QXR結果與她們相比,這是最常見的臨床評估骨質疏鬆症的方法。9130年預期的樣本量計算假設的輟學率為3%和1%的顯著性水平,提供90%的電力檢測Trueview之間的等效性和參考標準。更多細節可以發現出版協議。10
潛在研究參與者被確認預約列表用診所的詹姆斯庫克大學醫院2019年11月至2020年3月,被發現有資格是否符合上市的標準表1。這些資格走近尋求知情同意參與這項研究。由於招聘的方法,參與者形成一個隨機係列和骨質疏鬆症的發病率更高,骨量減少是預計將在這組比普通人群的患病率。
所有參與者進行了骨密度測試,以確定在腰椎BMD (L2-L4)和兩個臀部(股骨頸和全髖關節網站)。進行BMD測量同一用掃描儀(通用電氣月球神童先進,V.13.6)。減少運營商的偏見的影響,相同的獨立的放射線技師進行所有用測量;和穩定性和準確性是每天監測使用製造商提供的幻影程式碼。質量保證檢查都是在製造商的公差在整個研究。t指數衍生使用製造商在股骨頸的參考範圍。鑒於最近的建議使用股骨頸骨密度骨折風險計算和確定t指數,t指數在時尚網站進一步發展使用女性參考數據庫第三次全國健康和營養調查。11對於女性來說,骨質疏鬆症定義為每個人的定義12作為一個t指數≤−2.5 SD低於均值的年輕人。對男人和女人來說,骨量減少是定義為>−2.5和<−1.0 SD和正常≥−1。z得分也決定。
參與者然後發送額外的美聯社骨盆x射線在西門子Ysio博士固定係統在同一天。這個x射線隻用於研究目的,沒有軸承的診斷或治療病人。沒有不良事件記錄的索引或參考測試。唯一改變的臨床協議取消anti-scatter網格(ASG)。這導致縮短暴露,由於自動曝光控製觸發標準臨床劑量的15%左右。由於試驗的限製,手動曝光是不允許的,因此,這裏給出的結果代表了下界。此外,由於病人定位錯誤和未知精確操作特征x射線係統的所有導致次優的起始數據。與采集站本身集成是將允許更大的控製數據捕獲階段。
拔牙
我們報告中期業績從78個病人(拔牙之後)招募了研究。博士獲得定量數據從一個係統把某些額外要求病人定位和硬件設置。校準測量需要為了與X射線硬件的物理模型和X -射線協議。由於COVID-19限製、校準隻能獲得以下光束能量:75、79和81千伏峰值和源成像距離為104.9厘米。18個受試者被排除在外,因為它們不是在校準千伏峰值,另有16個受試者排除作為源成像距離104.9厘米。
此外,1主題提取ASG沒有刪除。提取兩幅圖像用感興趣的地區是不正確。兩個提取的骨密度測試有異常大區別左和右股骨頸表明定位誤差。兩個定位為貧困患者被排除在外。7個患者被排除在外的算法收斂失敗。non-convergence的調查表明,(1)腹部脂肪過度掩蓋這些患者的股骨頸四(2)三個畫麵顯示異常高灰度級值相對於記錄的劑量,提出一個數據錯誤。拔牙後數據收集錯誤,94%的剩餘的數據是可用的。
這個臨時的分析幫助我們識別數據收集的錯誤占大多數的痛苦。研究的後續行為,錯誤數據收集預計將大幅減少通過集成的軟件圖像采集軟件,通過改進的用戶培訓。
片出口在線性劑量反應形式和匿名的患者數據。每個圖像被分配一個關鍵用來連接掃描博士相當於匿名用報告。圖像處理離線和下麵的輸出返回:總厚度、硬組織分數,骨厚度和直接梁強度。射線照片在上麵的圖所示,線性形式,並獲得臨床劑量估計為15%的標準。
一個ROI是由操作員手動定義在x光照片的匹配的ROI放置陪同她們的形象。一個例子所示圖1。這個當時ROI應用HA-equivalent骨厚度地圖中提取股骨頸意味著HA-equivalent骨質厚度。該方法適用於所有的左和右股骨頸78名患者,導致156年的測量。87的156個股骨頸測量,骨量減少,11有骨質疏鬆和58正常用定義的參考標準。在所有情況下,用結果是未知的,直到指數測試結果計算。
(左)雙能x線吸收儀圖像與標準臀部幾何標記覆蓋(白色)和骨質疏鬆組織邊界(黃色)。(右)與盡可能實現匹配數字x光掃描,臀部位置。ROI(白色)顯示該地區用於股骨頸骨質健康分析。
是第一次做單變量分析來評估的有效性的各種QXR輸出(總厚度,硬組織分數,骨厚度和直接光束強度)作為非正態的單變量預測(骨質疏鬆或骨質疏鬆症)用的結果。
連續變量,計算均值和SD對正常和非正常組織。p值也計算在虛假設條件下,兩組的人口意味著是相等的。對於性別,女性的比例是報道。p值計算,在零假設下,兩組女性的比例是相等的。評估風險預測性能,使用邏輯回歸模型,13被評估的變量和性別作為預測因子。性別了,這樣閾值對男人和女人的差異被認為是在模型中。接受者操作特征(ROC)曲線計算和ROC曲線下的麵積(AUC)報告以及相關的95%可信區間使用長時間的方法。14單變量分析後的各種QXR輸出,QXR的有效性的評估進行了兩個潛在的用例。
場景1:aBMD QXR作為預測的性能
多元回歸分析被執行,所有輸出QXR method-total厚度(cm)、硬組織的一部分,直接梁分數和散射分數預測aBMD一起進行分析。這是一個要求更高的應用程序比正常的/非正態數據的分類器。
Forward-backward逐步模型選擇Akaike信息標準被用來選擇模型。15基本模型有線性和二次項為每個變量。我們報告合成模型,參數的值,他們的SE和p值(零假設下的參數與變量是零)。評估過度擬合,5000平方值引導了樣品。偏差和SD報告。
場景2:性能QXR作為診斷骨質疏鬆症的風險預測的餘生
多元風險預測分析(使用多元邏輯回歸),執行所有變量一起進行分析評估的性能QXR作為非正常的風險預測(骨質疏鬆)彈道導彈防禦。再次forward-backward逐步模型選擇與Akaike信息標準模型選擇使用。我們報告合成模型,參數的值,他們的SE和p值(在虛假設條件下,log-odds變量)。評估的質量風險預測模型,進行ROC分析。中華民國情節和AUC的95%可信區間相關報道。評估過度擬合,AUC值與5000個樣本引導。偏差和SD報告。
風險預測的性能也是外推到一個更廣泛的人口使用貝葉斯定理。先驗概率是提取用弗裏曼醫院提供的數據,紐卡斯爾。元數據與年齡、性別和用結果提供了11 029例PPV和評估在不同場景。
臨床研究的統計分析進行了使用軟件包,R。16
病人和公眾參與
本研究設計了基於初始輸入從病人和公眾理解願意參與,建立目標的理解,提出了開展研究的。這是通過使用一個病人焦點小組之前獲得資助了這項研究。病人沒有參與行為的研究,除了作為參與者。這項研究的結果將在開放獲取期刊和宣傳通過媒體渠道更廣泛。病人顧問期間接觸的早期設計階段研究當我們申請H2020前國立衛生研究所資助。
結果
表2包含QXR輸出的單變量分析的結果預測用正常/非正態的結果。這顯示了一個重要的區別正常和非正常組織連續變量。似乎是骨厚度最大的區別,這是支持的幻影前一節中的數據和AUC值為0.810。這是預期,如骨厚度是aBMD QXR的最接近的類似物。
所有QXR輸出顯示正常和非正常人群之間的顯著差異,AUC顯著大於0.5,證明他們包含在隨後的多變量分析。性別是合理的,因為它直接影響分類的閾值。
場景1:aBMD QXR作為預測的性能
表3包含所選模型分析aBMD預測。強度被forward-backward模型選擇刪除包括強度並沒有導致一種改進的模型由Akaike信息標準。其他變量p值不顯示他們的包容是不公正的。R2調整值為0.662(0.643)表明,臨床相關數量的變化是通過這個模型來解決。引導顯示0.0114和0.516的SE的偏見。
圖2顯示了擬合模型對用aBMD繪製。垂直和水平線顯示男性和女性分類用定義的閾值。模型預測(9 81.8%/11)骨質疏鬆性股骨頸的正確。操作點的敏感性= 0.8和特異性= 0.81,QXR確定67股的脖子是正常和89非正態。
表3中給出擬合值模型對區域骨礦物質密度(aBMD)。黑色的點:男性患者。藍色的點:女性患者。黑色垂直和水平線:男性正常骨質密度閾值。藍色垂直和水平線:女性正常骨質密度閾值。紅色垂直和水平線:女性骨密度低閾值(骨質疏鬆症)。對角線黑線:y = x。
場景2:性能QXR作為診斷骨質疏鬆症的風險預測的餘生
表4包含分析非正常骨骼健康的選擇模型預測。
圖3顯示了ROC曲線明顯遠離y=x線,突出模型的價值。這是進一步支持的AUC,明顯大於0.5 (AUC 0.893, 95%可信區間0.843到0.942)。AUC的引導給了0.013和0.025的SE的偏見。
接受者操作特征曲線對風險預測模型的非正態雙能x線吸收儀的結果。
精密召回曲線繪製圖4對於這個模型,基於78名患者(156股的脖子)在臨床研究和外推到一大群11 029例,性能的模型映射到用這個大人口的結果。
精密召回曲線非正常的風險雙能x線吸收儀(用)的結果,由定量x射線多元風險模型。黑線顯示數據從78年病人的臨床研究和藍線顯示了一個更廣泛的人口預測性能的基礎上用結果報告。
非正常的餘生的PPV的結果是0.82,考慮到病人獲得非正常QXR結果。推斷更多11 029病人組和一個0.8為例操作點的敏感性,PPV是0.98。臨床研究的PPV低是由於這群病人被截斷向正常/非正常邊界。在更大的人口,PPV QXR高於年齡或性別預測非正常使用時用的結果。這進一步強調潛在的這種技術在更廣泛的人群。總結了ppv各種病人的人口統計表5
討論
QXR的能力提供一個準確的預測可能的結果用掃描儀提供預先篩分的巨大潛力和早期幹預的時候首先斷裂和之前。這為臨床醫生提供了有力的決策支持,補充當前CRC。
技術兼容標準的x光照片獲得診斷的目的,因此可以部署為一個投機取巧的工具測量相同的骨骼健康診斷x光照片。因此,我們預計臨床場景,這種技術有最合適的部署在放射學部門,地方QXR結果將報告和診斷圖像,最有可能作為一個屏幕提示和x光照片本身的“紅點”。這可以包括在放射科醫生的報告。
所有QXR輸出被發現是有用的輸入一個多元的餘生的結果預測,與骨厚度是最重要的,AUC值為0.810。這是預期的,因為骨厚度是aBMD QXR的最接近的類似物。兩個場景使用QXR被測試。首先是用aBMD的預測,第二種方法是作為一個指標的獲取一個非正常的餘生的結果的風險。結果表明,QXR可能為她們提供一個有效的代理用訪問受限的情況下,與骨質疏鬆症的整合識別(9 81.8%/11)的病例。在第二個場景中,QXR發現假陽性高真陽性和低利率預測非正常使用時用的結果,用一個AUC為0.893 (95% CI 0.843 - 0.942)。
有用的角度比較定量超聲(曲)。報道的敏感性為0.93,特異性為0.84,17屈原也可以用來提供用預先篩分能力。然而,它不能提供一個經濟可行的成本。17此外,不確定性仍然在再現性,18解釋什麼測量19和瞿掃描儀的異質性。20.相比之下,QXR方法不需要額外的硬件,可以集成到當前的放射線技師的工作流程,從而能夠提供淨受益於成本的醫療服務提供者的角度來看。
QCT骨骼健康測量提供了一種替代方法,已被證明是有效的作為一種機會性篩查工具。21QXR博士提供了一個互補的方法,而且可能會受益於更高的吞吐量的病人。QXR也避免QCT的主要缺點:慢,22昂貴的,23最重要的是,高劑量的輻射8(1 - 3 mSv QCT為0.0001毫西弗用),24這意味著有優勢與機會DR-based骨骼健康篩查,使用低ultradistal半徑等對輻射敏感的網站,或跟骨。
允許病人低劑量的研究是有限的,因為這是一項新技術,有一個自然的學習曲線的摘錄,導致次優的圖像捕捉和高於預期的除外。本研究進一步的限製之一是,患者用之前收到的所有預選QXR測試。因此,我們不能得出結論這種技術的性能更廣泛的人口沒有預選。作者旨在擴展這個工作來評估表現在前臂骨折的一般人群和效用QXR骨折風險預測模型的一部分。
靈敏度分析的重要性凸顯了一致的ROI她們之間的選擇和QXR掃描,觀察到10%的錯誤。這是一個方麵,我們可能期望看到減少精度在隨後within-trial分析如果沒有提供足夠的操作員培訓。這是相關的實際應用,而不是基本的準確性,所以並不影響本研究的結論,可以解決長期用類似的方式,結合自動化和操作員培訓。在臨床應用中,ROI的選擇將是半自動的,以減少ROI選擇性偏差。
作為x射線技術,QXR預計也將受到類似的固有局限性的餘生,如受到影響肥胖、退行性骨骼形態學的變化,關節空間縮小,鈣化和骨贅。這些因素被排除在研究但應該調查作為一個擴展的研究的一部分。
在實踐中,應該使用與QXR骨折風險預測與其他臨床危險因素作為一個完整的風險預測模型的一部分,例如,作為FRAX的一部分25或QFracture。26這可以用於提高10年對患者骨折風險預測的準確性,用aBMD數據不可用,從而提高CRC。
研究議程
QXR可能導致提高骨質疏鬆症的早期發病的檢測。我們預計產生的影響是一個長期的社會經濟成本減少骨折護理,提出臨床幹預了15年,但需要嚴格的衛生經濟模型來估計QXR係統衛生保健提供者的好處。下一步是開始可行性研究博士QXR軟件集成到一個係統。如果成功的話,這個方法有一個寶貴的作用作為一個早期的決策支持工具,醫生用可用的地方;作為一個可選擇在訪問用是有限的。
此外,其目的是擴大風險模型的準確性通過添加骨骼健康的進一步預測,如體積骨密度、骨小梁和有限元應力分析模型。這些都將被使用,以及當前QXR輸出生成更精確的10年期斷裂預測。我們還致力於擴大的一般實用技術通過擴展兼容性射線照片的腰椎,手腕和跟骨。
結論
這項研究表明使用小說QXR方法提供了準確、早期預測可能的病人用的結果。集成到當前工作流博士QXR可以為臨床醫生提供機會性篩查和決策支持,在精度和更大的規模大於與當前方法是可以實現的。這可能是用於支持當前CRC改善骨質疏鬆症的早期檢測。
數據可用性聲明
合理的請求數據。研究數據在合理請求從工廠CRO或通過相應的作者。
倫理語句
病人同意出版
倫理批準
本研究進行了符合現行法規和書麵知情同意使用匿名數據從所有參與者。本研究設計並進行按批準的第二赫爾辛基宣言,衛生研究機構(HRA)和衛生和護理研究威爾士(HCRW) (ISRCTN98160454;協議編號:IBX / SP1701;ira項目ID: 255317;東北Tyne &穿南REC參考:18 /不/ 0368)。
確認
作者要感謝,感謝以下因素研究。歐盟地平線2020項目資金進行臨床研究,而這項工作是不可能的。西門子Healthineers持續支持的臨床研究(資金不適用)。我們的病人顧問伊麗莎白·羅布森和阿德裏安·查德威克寶貴的研究設計的輸入。娜塔莉·克拉克,馬克•阿特金森和其他工作人員詹姆斯庫克大學醫院和病人參與臨床研究。
引用
腳注
貢獻者基於“增大化現實”技術的首席調查員臨床研究和起草手稿PDS和提單。SPT和分析了用掃描進行。路管理醫院的臨床研究。喬丹建議在放射學的過程。提單、TW公元前TW和ARatcliffe建議在研究設計、分析和解釋數據。所有作者回顧和批準了手稿。基於“增大化現實”技術的擔保人。
資金這項工作是由地平線2020(批準號777835)。
相互競爭的利益對這篇論文的合著者IBEX創新的知識產權在QXR技術和有既得利益的采用這種技術進入臨床實踐。第一作者(AR)贈款NIHR, ORUK和DePuy強生有限公司與本研究無關。
病人和公眾參與病人和/或公眾參與設計,或行為,或報告,或傳播本研究計劃。是指部分進一步了解細節的方法。
出處和同行評議不是委托;外部同行評議。
請求的權限
如果你想重用任何或所有本文的請使用下麵的鏈接,這將帶你到版權稅計算中心的RightsLink服務。你將能夠獲得快速的價格和即時允許重用內容在許多不同的方式。