膝关节骨性关节炎（KOA）是一种常见的退行性关节疾病，影响全球数百万人的生活质量。早期在无症状阶段诊断KOA至关重要，因为这可以让医生及时采用预防性策略来管理患者，延缓疾病进展或防止其恶化。传统的诊断方法主要依赖于临床症状和放射图像的变化，但这些方法往往只能在疾病已经发展到一定阶段后才能检测到。因此，开发一种能够在疾病早期准确预测放射性膝关节骨性关节炎（rKOA）发生的模型显得尤为重要。本研究旨在开发并验证一个基于临床变量和血清蛋白标志物的预测模型，用于预测未表现出放射性征象的人群中rKOA的发生，以及为高风险个体的分层管理提供科学依据。

本研究纳入了来自骨关节炎倡议（OAI）和A Coruña前瞻性队列（PROCOAC）的研究对象，这些对象在双膝均未表现出KOA放射性征象（根据Kellgren和Lawrence分类，KL=0）。研究设计包括建立预测模型，预测对象在未来96个月内发展成rKOA的风险。预测模型基于临床变量和候选蛋白标志物APOA1、APOA4、ZA2G和A2AP的血清水平。模型的预测能力通过曲线下面积（AUC）评估，并进行内部验证以纠正过拟合。根据回归参数绘制了名为图。该模型的表现还在PROCOAC的一个独立队列中进行了外部验证。

研究结果

研究共包括282名OAI参与者作为模型开发数据集。仅使用人口统计学、体型测量和临床数据（年龄、性别、体质指数和WOMAC疼痛评分）建立的模型预测未来发生rKOA的AUC为0.702。加入ZA2G、A2AP和APOA1数据后，模型的灵敏度和预测性能显著提高，AUC达到0.831。最简模型仅包括临床协变量和ZA2G与A2AP血清水平，也达到了0.826的AUC。这两个模型均进行了内部交叉验证。在PROCOAC的100名独立个体数据集中进行的外部验证中，预测性能的AUC为0.713。

临床模型和包含生物标志物的临床模型的 ROC 曲线和曲线下面积 (AUC) 值的重叠，用于预测开发阶段基线 KL=0 的患者（OAI 队列）的 KOA 发病率

总之，本研究成功开发并验证了一个结合常见临床变量和蛋白标志物的新型预测模型，用于在无放射性病变迹象的个体中预测rKOA的发生。该模型在未来96个月的时间框架内表现出良好的预测能力。此外，该研究的外部验证结果强调了模型在不同人群中的适用性和稳健性，展示了其在实际临床环境中的潜在应用价值。虽然AUC在外部验证中有所下降，这可能反映了不同人群间的生物标志物表达差异，或是样本大小和人群特性的影响，但总体上模型的表现仍然稳定，为临床实践提供了有力的支持。

原始出处：

Prognostic model to predict the incidence of radiographic knee osteoarthritis. Ann Rheum Dis. 2024 Apr 11;83(5):661-668. doi: 10.1136/ard-2023-225090. PMID: 38182405.