Журнал «Боль. Суставы. Позвоночник» Том 12, №1, 2022

Актуальність. Загальновідомо, що зі старінням людини відбувається втрата кісткової маси та міцності кісткової тканини, що призводить до розвитку остеопорозу та його ускладнень. Метою дослідження було створити сучасну математичну модель визначення біологічного віку кісткової системи з урахуванням показників мінеральної щільності та якості кісткової тканини й опитувальника FRAX®. Матеріали та методи. У дослідження були включені 77 жінок та 44 чоловіки віком від 30 до 90 років без будь-якої значущої соматичної патології. Пацієнти були розподілені на 4 вікові групи: 30–44 роки — молодий, 45–59 років — зрілий, 60–74 роки — літній і 75–90 років — старечий вік. Визначали показники мінеральної щільності та якості кісткової тканини за допомогою двофотонної рентгенівської абсорбціометрії (ДРА). Оцінку ризику переломів кісток проводили за допомогою української версії опитувальника FRAX®. Статистичну обробку проводили за допомогою програми Statistica 7.0 (StatSoft Inc., СШA). Результати. Доведена залежність показників мінеральної щільності та якості кісткової тканини, ризику основних остеопоротичних переломів від віку та необхідність раннього їх визначення у молодих осіб для прогнозування ризику остеопорозу та його ускладнень. Коефіцієнт детермінації моделі R2 становив 0,62, що вказує на те, що 62 % дисперсії показника «вік» можна пояснити за допомогою предикторів, які увійшли в модель (показники ДРА та FRAX); скоригований показник R2 становив 0,59 (p < 0,001), що свідчить про високу значимість моделі. Висновки. Розроблена модель оцінки біологічного віку кісткової системи має високу точність і може бути застосована для оцінки ризику розвитку остеопорозу та його ускладнень у молодих осіб з метою прогнозування захворювання.

Background. It is well-known that with aging there is a loss of bone mass and its strength, which leads to the development of osteoporosis and its complications. The aim of the study was to create a modern mathematical model for determining the biolo­gical age of the bone system, taking into account indices of bone mineral density (BMD) and quality and the FRAX® questionnaire. Materials and methods. 77 women and 44 men aged 30 to 90 years without any significant somatic pathology were included in the study. Patients were divided into 4 age groups: 30–44 years old — young, 45–59 years — mature, 60–74 years — old age and 75–90 years — senile age. We measured the parameters of BMD in the different areas of the skeleton by means of the dual-photon X-ray absorptiometry (DXA, “Prodigy”). The 10-year probability of major osteoporotic and hip fractures was measured using the Ukrainian version of the FRAX®. Statistical analysis was performed in the Statistica 7.0 program (StatSoft Inc., USA). Results. The dependence of the indices of BMD and bone quality, risk of osteoporotic fractures on age and the need for their early determination in young people to predict the risk of osteoporosis and its complications have been proven. The coefficient of determination of the R2 model was 0.62, which indicates that 62 % of the variance of the “Age” can be explained by the predictors included in the model (DXA and FRAX indices); adjusted R2 index was 0.59 (p < 0.001), which indicates high significance of the model. Conclusions. The developed model for estimating the bone biological age has high accuracy and can be used to assess the risk of osteoporosis and its complications in young people for the purpose of predicting the disease.

біологічний вік; математична модель; мінеральна щільність кісткової тканини; якість кісткової тканини; ризик остеопоротичних переломів; FRAX.

biological age; mathematical model; bone mine­ral density; trabecular bone score; risk of osteoporotic fractures; FRAX

1. Curtis E.M., Dennison E.M., Cooper C., Harvey N.C. Osteoporosis in 2022: Care gaps to screening and personalised medicine. Best Pract. Res. Clin. Rheumatol. 2022 Jun 9. 101754. doi: 10.1016/j.berh.2022.101754. PMID: 35691824.
2. Jakob F. Osteoporosis-Update 2021. Dtsch Med. Wochenschr. 2021 Apr. 146(7). 437-440. German. doi: 10.1055/a-1213-2245. PMID: 33780987.
3. Collino S., Martin F.P., Karagounis L.G. et al. Musculoskeletal system in the old age and the demand for healthy ageing biomarker. Mech. Ageing Dev. 2013. 134(11–12). 541-547. doi: 10.1016/j.mad.2013.11.003. PMID: 24269882.
4. Warzecha M., Czerwiński E., Amarowicz J., Berwecka M. Trabecular Bone Score (TBS) in Clinical Practice — Rewiev. Ortop. Traumatol. Rehabil. 2018 Oct 31. 20(5). 347-359. doi: 10.5604/01.3001.0012.7281. PMID: 30648658.
5. Поворознюк В.В., Ханс Д., Дзерович Н.І. Показник якості трабекулярної кісткової тканини в клінічній практиці. Біль. Суглоби. Хребет. 2014. 4(16). 14-22. Режим доступу: http://nbuv.gov.ua/UJRN/prost_2014_17_2_3.
6. Kanis J.A., Harvey N.C., Johansson H. еt al. A decade of FRAX: how has it changed the management of osteoporosis? Aging Clin. Exp. Res. 2020 Feb. 32(2). 187-196. doi: 10.1007/s40520-019-01432-y. PMID: 32043227.
7. Поворознюк В.В., Григор’єва Н.В., Kanis J.A., McCloskey E.V., Johansson H. Українська версія FRAX: критерії діагностики й лікування остеопорозу. Біль. Суглоби. Хребет. 2019. 3(23). 11-20. doi: http://dx.doi.org/10.22141/2224-1507.3.23.2016.85000.
8. Поворознюк В.В. Захворювання кістково-м’язової системи в людей різного віку (вибрані лекції, огляди, статті). У 3 томах. Т. 1. Київ, 2004. 480 с.
9. Goltzman D. The Aging Skeleton. Adv. Exp. Med. Biol. 2019. 1164. 153-160. doi: 10.1007/978-3-030-22254-3_12. PMID: 31576547.
10. Clynes M.A., Harvey N.C., Curtis E.M., Fuggle N.R., Dennison E.M., Cooper C. The epidemiology of osteoporosis. Br. Med. Bull. 2020 May 15. 133(1). 105-117. doi: 10.1093/bmb/ldaa005. PMID: 32282039; PMCID: PMC7115830.
11. Cauley J.A. Osteoporosis: fracture epidemiology update 2016. Curr. Opin. Rheumatol. 2017 Mar. 29(2). 150-156. doi: 10.1097/BOR.0000000000000365. PMID: 28072591.
12. Поворознюк В.В., Орлик Т.В. Біологічний вік жінок у постменопаузальному періоді з низькою мінеральною щільністю кісткової тканини і вертебральним больовим синдромом. Вісник наукових досліджень. 2015. (1). 38-41. Режим доступу: http://nbuv.gov.ua/UJRN/vndt_2015_1_12.
13. Jylhävä J., Nancy Pedersen L., Hägg S.. Biological Age Predictors. EBioMedicine. 2017. (21). 29-36. doi: 10.1016/j.ebiom.2017.03.046. PMID: 28396265; PMCID: PMC5514388.
14. Lara J., Cooper R., Nissan J. et al. A proposed panel of biomarkers of healthy ageing. BMC Med. 2015. (13). 222. doi: 10.1186/s12916-015-0470-9.
15. Поворознюк В.В. Захворювання кістково-м’язової системи в людей різного віку (вибрані лекції, огляди, статті). У 3 томах. Т. 1. Київ, 2009. 664 с.
16. Войтенко В.П. Здоров’я здорових. Київ: Health, 1991. 248 с.
17. Войтенко В.П., Токарь А.В., Полюхов А.М. Методика определения биологического возраста человека. Геронтология и гериатрия. 1984. 133-137.