基于超声造影与中医证素的股骨头坏死塌陷风险的预测模型构建与验证

引用本文

宋茂林, 崔怡瑄, 丁婧雯, 朱小语, 张慧, 贾节, 赵萍. 基于超声造影与中医证素的股骨头坏死塌陷风险的预测模型构建与验证[J]. 中国中西医结合影像学杂志, 2026, 24(3): 261-267. DOI: 10.3969/j.issn.1672-0512.2026.03.001

SONG Maolin, CUI Yixuan, DING Jingwen, ZHU Xiaoyu, ZHANG Hui, JIA Jie, ZHAO Ping. Construction and validation of a collapse risk prediction model for osteonecrosis of femoral head based on contrast-enhanced ultrasound and traditional Chinese medicine syndrome elements[J]. Chinese Imaging Journal of Integrated Traditional and Western Medicine, 2026, 24(3): 261-267. DOI: 10.3969/j.issn.1672-0512.2026.03.001

基于超声造影与中医证素的股骨头坏死塌陷风险的预测模型构建与验证

[PDF全文]

宋茂林 , 崔怡瑄 , 丁婧雯 , 朱小语 , 张慧 , 贾节 , 赵萍

广州中医药大学第一附属医院超声科, 广东广州 510400

收稿日期: 2025-08-31

基金项目: 广东省自然科学基金项目（2023A1515012076）

通信作者: 赵萍，Email：zhaoping14991@126.com.

摘要：目的: 构建基于超声造影联合中医证素的股骨头坏死（ONFH）塌陷风险预测模型，为ONFH高塌陷风险患者的早期识别和诊断提供依据。方法: 选取行超声造影检查的ONFH患者234例（307髋），按照7∶3比例随机分为训练集214髋和验证集93髋。采用最小绝对收缩选择算子（LASSO）算法和Boruta算法筛选ONFH患者塌陷的风险变量，再对风险变量行多因素logistic回归分析并构建ONFH塌陷风险预测模型，绘制列线图。通过ROC曲线、Hosmer-Lemeshow检验、校准曲线及决策曲线对预测模型进行评价。结果: LASSO算法识别出12个塌陷风险变量，Boruta算法识别出10个塌陷风险变量，2种算法有7个交集风险变量：平均渡越时间（MTT）、D-二聚体、下降斜率（DS）、峰值强度（PI）、低密度脂蛋白胆固醇（LDL-C）、中医证素肾和血瘀。多因素logistic回归分析显示：MTT延长（OR=1.452，95%CI 1.004~2.037）、PI升高（OR=1.461，95%CI 1.056~2.045）、D-二聚体升高（OR=1.586，95%CI 1.145~2.227）、LDL-C升高（OR=1.528，95%CI 1.106~2.141）、病性证素血瘀（OR=3.039，95%CI 1.535~6.132）、病位证素肾（OR=2.715，95%CI 1.387~5.476）是ONFH患者发生塌陷的独立危险因素，DS绝对值升高（OR=0.680，95%CI 0.472~0.964）是发生塌陷的独立保护因素。基于以上7个变量构建ONFH塌陷风险预测模型。训练集和验证集预测ONFH患者发生塌陷风险ROC曲线的AUC分别为0.816（95%CI 0.756~0.876）和0.753（95%CI 0.648~0.859）；校准曲线与理想曲线走势大致相符；Hosmer-Lemeshow检验表明训练集（χ²=6.940，P=0.543）和验证集（χ²=6.742，P=0.564）预测模型的拟合度较好；决策曲线显示，预测模型可在较大概率阈值范围内使ONFH患者净获益，在临床实践中有一定的指导意义。结论: 联合超声造影参数及中医证素构建的ONFH塌陷风险预测模型，可为临床预测ONFH塌陷的发生、发展提供参考依据。

关键词：股骨头坏死超声造影中医证素预测模型

Construction and validation of a collapse risk prediction model for osteonecrosis of femoral head based on contrast-enhanced ultrasound and traditional Chinese medicine syndrome elements

SONG Maolin , CUI Yixuan , DING Jingwen , ZHU Xiaoyu , ZHANG Hui , JIA Jie , ZHAO Ping

Department of Ultrasound, First Affiliated Hospital of Guangzhou University of Chinese Medicine, Guangzhou 510400, China

Abstract: Objective: To construct a collapse risk prediction model for osteonecrosis of the femoral head (ONFH) based on contrast-enhanced ultrasound (CEUS) combined with traditional Chinese medicine (TCM) syndrome elements, providing a basis for the early identification and diagnosis of high-risk ONFH patients. Methods: A total of 234 ONFH patients (307 hips) who underwent CEUS examination were included. The patients were randomly divided into a training set (214 hips) and a validation set (93 hips) at a ratio of 7∶3. The least absolute shrinkage and selection operator (LASSO) algorithm and the Boruta algorithm were used to screen for collapse risk variables in ONFH patients. Multivariate logistic regression analysis was then performed on the identified risk variables to construct a collapse risk prediction model, and a nomogram was constructed. The model was evaluated using ROC curve, Hosmer-Lemeshow test, calibration curve, and decision curve analyses. Results: LASSO regression identified 12 collapse risk variables, while the Boruta algorithm identified 10 collapse risk variables. The intersection of variables identified by both methods included 7 variables, mean transit time (MTT), D-dimer, descending slope (DS), peak intensity (PI), low-density lipoprotein cholesterol (LDL-C), and the TCM syndrome elements of kidney and blood stasis. Multivariate logistic regression analysis showed that the prolonged MTT (OR=1.452, 95%CI 1.004—2.037), elevated PI (OR=1.461, 95%CI 1.056—2.045), elevated D-dimer (OR=1.586, 95%CI 1.145—2.227), elevated LDL-C (OR=1.528, 95%CI 1.106—2.141), blood stasis (OR=3.039, 95%CI 1.535—6.132), and kidney (OR=2.715, 95%CI 1.387—5.476) were independent risk factors for ONFH collapse. Conversely, an increase in the absolute value of DS (OR=0.680, 95%CI 0.472—0.964) was an independent protective factor for ONFH collapse. A prediction model for ONFH collapse was constructed based on these seven variables. AUC values for predicting collapse risk in the training and validation sets were 0.816 (95%CI 0.756—0.876) and 0.753 (95%CI 0.648—0.859), respectively. The calibration curves were generally consistent with the ideal curves. The Hosmer-Lemeshow test showed good model fit for both the training set (χ²=6.940, P=0.543) and the validation set (χ²=6.742, P=0.564). Decision curve analysis showed that the prediction model provided net benefit across a wide range of probability thresholds, indicating certain clinical value. Conclusion: The prediction model for ONFH collapse risk incorporating CEUS parameters and TCM syndrome elements, provides a reference for predicting the occurrence and development of ONFH collapse in clinical practice.

Key words: Osteonecrosis of the femoral head Contrast-enhanced ultrasound Syndrome elements, TCM Prediction model

股骨头坏死（osteonecrosis of the femoral head，ONFH）是骨科常见的难治性、进展性疾病，好发于30~50岁，具有较高的致残率，我国患病人数约800万^[1]。ONFH病情进展迅速，若不及时干预，多数患者在1~3年内可发生股骨头塌陷，最终须行人工关节置换术^[2]。因此，早期识别ONFH的塌陷风险，具有重要的临床意义。

目前，临床对ONFH塌陷的预测主要通过量化坏死病灶的位置、面积、角度等进行预测^[3]。股骨头血供异常是ONFH病变形成的核心机制之一，且血流灌注障碍常早于骨骼结构的改变^[4]。超声造影能实时量化组织器官的血流灌注特点，已作为一种补充检测手段逐渐引入到骨科领域^[5-7]。多项研究证实，超声造影在评估ONFH微循环灌注方面具有重要价值^[8-10]。因此，本研究从ONFH血流灌注角度，整合超声造影参数、中医证素等构建ONFH塌陷风险预测模型，为该病塌陷风险的早期识别提供依据。

1 资料与方法 1.1 一般资料

回顾性收集2017年6月至2022年6月我院收治的ONFH患者234例（307髋），按照7∶3的比例随机分为训练集214髋和验证集93髋。纳入标准：①经MRI诊断为非创伤性ONFH；②年龄19~60岁；③临床资料完整，包括超声造影检查资料。排除标准：①ONFH已进展至国际骨循环研究会（Association Research Circulation Osseous，ARCO）分期系统的ⅢB期及以上或股骨头塌陷＞2 cm；②有髋关节手术史；③因骨肿瘤、骨代谢疾病或炎性关节炎导致的ONFH；④超声造影图像欠佳，难以勾画ROI。本研究经医院伦理委员会批准（批号：ZYYECK【2020】016）。

收集的临床资料包括性别、年龄、病因（激素型、酒精型、特发型）、ARCO分期、BMI，以及凝血酶原时间（prothrombin time，PT）、活化部分凝血活酶时间（activated partial thromboplastin time，APTT）、D-二聚体、国际标准化比值（international normalized ratio，INR）、纤维蛋白原（fibrinogen，FIB）、总胆固醇（total cholesterol，TC）、甘油三酯（triglycerides，TG）、低密度脂蛋白胆固醇（low-density lipoprotein cholesterol，LDL-C）、载脂蛋白B（apolipoprotein B，Apo-B）、载脂蛋白A1（apolipoprotein A1，Apo-A1）、25-羟基维生素D[25-hydroxy vitamin D，25（OH）D]、Ⅰ型胶原交联C端肽β特殊序列（β-C-terminal telopeptide of typeⅠcollagen，β-CTX）、骨钙素N端中段片段（N-terminal mid-fragment of osteocalcin，N-MID）、碱性磷酸酶（alkaline phosphatase，ALP）、Ⅰ型原胶原N端前肽（procollagen Ⅰ N-terminal propeptide，PⅠNP）。

1.2 超声造影检查

采用Mindray Resona 8超声诊断仪，选择L9-3U线阵探头，使探头长轴与髂前上棘至股骨小转子连线平行，明确识别关节软骨层及髋臼唇（表现为高回声三角形结构）后，转换为SC5-1U凸阵探头，启动超声造影程序，经肘静脉注入对比剂声诺维，保持探头稳定并观察记录股骨头、软骨下骨及周边微血管的对比剂灌注及消退情况。超声造影结束后保存至少180 s动态图像，由2位具有5年以上工作经验的超声医师手动勾画ROI，行TIC定量分析，记录始增时间（arrive time，AT）、达峰时间（time to peak，TTP）、基础强度（base intensity，BI）、增强强度（enhanced intensity，EI）、峰值强度（peak intensity，PI）、上升斜率（ascending slope，AS）、下降斜率（descending slope，DS）、平均渡越时间（mean transit time，MTT）。取2位医师记录参数的平均值作为最终数据。

1.3 中医辨证方法

中医证型参照ONFH中医诊疗方案^[11]及《股骨头坏死中医辨证标准（2019年版）》^[12]，结合症候特点进行辨证分型。统一规范后的证型参照《证素辨证学》^[13]进行中医证素降维，最终选取病性证素血瘀、痰湿、气滞、精亏、阳虚、气虚，以及病位证素肝、脾、肾、筋骨。将筛选出的中医证素进行二值量化处理，“是”赋值为“1”，“否”赋值为0，数据提取由2位工作5年以上的主治中医师独立完成并进行交叉核对。

1.4 风险变量筛选

基于R 4.4.2软件，采用最小绝对收缩选择算子（least absolute shrinkage and selection operator，LASSO）算法和Boruta算法对风险变量进行筛选。LASSO算法在不同λ水平下对自变量系数进行惩罚压缩，筛选风险变量。Boruta算法通过比较原始特征与随机生成的影子特征，识别对模型预测具有显著影响的变量。最终，将2种算法筛选出的交集变量纳入多因素logistic回归分析并构建预测模型。

1.5 预测模型的构建与评价

多因素logistic回归分析采用向后逐步回归法，以Akaike信息准则作为评价标准。基于logistic回归分析结果，构建ONFH塌陷风险预测模型，并绘制列线图。采用ROC曲线评估模型的区分度，采用校准曲线及Hosmer-Lemeshow检验评估模型的校准能力，采用决策曲线分析评估模型的临床适用性。

1.6 统计学分析

采用SPSS 26.0和R 4.4.2软件进行数据分析。计量资料以x±s或M（Q_L，Q_U）表示，组间比较采用独立样本t检验或Mann-Whitney U检验；计数资料以例（%）表示，组间比较采用χ²检验或Fisher精确检验。以P＜0.05为差异有统计学意义。

2 结果 2.1 训练集与验证集一般资料比较

训练集与验证集人口学资料、中医证素、实验室检查指标及超声造影参数比较，差异均无统计学意义（均P＞0.05）（表 1）。

表 1 训练集与验证集的人口学资料、中医证素、实验室检查指标及超声造影参数比较

组别	髋数	性别[髋（%）]			病因[髋（%）]
组别	髋数	男	女		激素型	酒精型	特发型
训练集	214	140（65.42）	74（34.58）		135（63.08）	64（29.91）	15（7.01）
验证集	93	62（66.67）	31（33.33）		61（65.59）	20（21.51）	12（12.90）
统计值		0.006^a			3.083^a
P值		0.936			0.079

组别	髋数	年龄（岁，x±s）	BMI （kg/m²，x±s）		ARCO分期[髋（%）]
组别	髋数	年龄（岁，x±s）	BMI （kg/m²，x±s）		Ⅰ期	Ⅱ期	Ⅲ期
训练集	214	39.81±9.03	23.39±3.37		12（5.60）	112（52.34）	90（42.06）
验证集	93	41.28±9.73	22.99±2.80		2（2.15）	53（56.99）	38（40.86）
统计值		1.243^b	1.097^b		2.537^a
P值		0.216	0.274		0.383

组别	髋数	病性证素[髋（%）]
组别	髋数	血瘀	气滞		气虚	阳虚	痰湿
训练集	214	138（64.49）	67（31.31）		25（11.68）	42（19.63）	58（27.10）
验证集	93	56（60.22）	24（25.81）		11（11.83）	24（25.81）	35（37.63）
统计值		0.341^a	0.696^a		0.103^a	1.124^a	＜0.001^a
P值		0.559	0.404		0.752	0.289	1.000

组别	髋数	病性证素[髋（%）]		病位证素[髋（%）]
组别	髋数	精亏		筋骨	肝	脾	肾
训练集	214	24（11.21）		59（27.57）	38（17.76）	55（25.70）	69（32.24）
验证集	93	12（12.90）		24（25.81）	15（16.13）	23（24.73）	35（37.63）
统计值		0.608^a		0.032^a	0.033^a	0.011^a	0.618^a
P值		0.436		0.857	0.855	0.971	0.432

组别	髋数	实验室检验指标
组别	髋数	PⅠNP [ng/mL，M（Q_L，Q_U）]	25（OH）D [ng/mL，M（Q_L，Q_U）]		β-CTX [ng/mL，M（Q_L，Q_U）]	N-MID （ng/mL，x±s）	TC [mmol/L，M（Q_L，Q_U）]
训练集	214	68.15（56.65，79.20）	27.38（24.68，31.26）		0.63（0.53，0.76）	18.52±4.66	4.52（4.18，4.98）
验证集	93	66.50（52.22，78.23）	27.51（23.59，31.02）		0.65（0.53，0.75）	19.06±4.51	4.77（4.13，5.05）
统计值		-0.813^c	-0.284^c		-0.943^c	0.954^b	1.101^c
P值		0.416	0.777		0.346	0.341	0.271

组别	髋数	实验室检验指标
组别	髋数	TG [mmol/L，M（Q_L，Q_U）]）	LDL-C[mmol/L， M（Q_L，Q_U）]）		Apo-A1 [g/L，M（Q_L，Q_U）]	Apo-B [g/L，M（Q_L，Q_U）]	PT [s，M（Q_L，Q_U）]
训练集	214	1.66（1.22，2.18）	2.76（2.27，2.37）		1.38（1.29，1.48）	1.05（0.88，1.17）	11.43（10.80，12.22）
验证集	93	1.78（1.32，2.31）	3.17（2.31，3.56）		1.39（1.27，1.46）	1.07（0.91，1.18）	11.41（10.88，12.15）
统计值		1.284^c	1.165^c		-0.768^c	0.833^c	0.011^c
P值		0.199	0.244		0.443	0.405	0.992

组别	髋数	实验室检验指标
组别	髋数	APTT [s，M（Q_L，Q_U）]	INR [M（Q_L，Q_U）]		FIB [g/L，M（Q_L，Q_U）]	D-二聚体 [mg/L，M（Q_L，Q_U）]	ALP [U/L，M（Q_L，Q_U）]
训练集	214	25.46（23.98，27.60）	1.01（0.93，1.11）		2.78（2.39，3.03）	0.45（0.31，0.75）	70.61（62.69，80.64）
验证集	93	25.66（23.93，27.54）	1.01（0.91，1.09）		2.66（2.32，3.06）	0.54（0.33，0.73）	70.26（60.78，79.65）
统计值		-0.642^c	0.659^c		0.851^c	1.113^c	-0.802^c
P值		0.521	0.510		0.395	0.257	0.423

组别	髋数	超声造影参数
组别	髋数	AT[s，M（Q_L，Q_U）]	TTP[s，M（Q_L，Q_U）]			AS[dB/s，M（Q_L，Q_U）]	DS[dB/s，M（Q_L，Q_U）]
训练集	214	14.36（11.80，16.90）	11.23（8.67，14.62）			1.82（1.43，2.23）	-0.18（-0.22，-0.14）
验证集	93	13.82（12.32，16.62）	11.21（7.95，12.98）			1.99（1.58，2.30）	-0.18（-0.21，-0.15）
统计值		-0.093^c	-1.003^c			-1.339^c	0.686^c
P值		0.926	0.316			0.442	0.492

组别	髋数	超声造影参数
组别	髋数	MTT[s，M（Q_L，Q_U）]	BI[dB，M（Q_L，Q_U）]			EI[dB，M（Q_L，Q_U）]	PI[dB，M（Q_L，Q_U）]
训练集	214	54.82（47.02，62.50）	13.26±4.02			15.48（11.86，20.56）	29.53（23.82，33.53）
验证集	93	54.15（47.97，62.24）	13.51±3.66			16.36（13.07，21.15）	29.54（25.78，34.66）
统计值		-0.405^c	0.533^b			1.378^c	1.212^c
P值		0.685	0.595			0.168	0.226
注：ARCO为国际骨循环研究会，PⅠNP为Ⅰ型原胶原N端前肽，25（OH）D为25-羟基维生素D，β-CTX为Ⅰ型胶原交联C端肽β特殊序列，N-MID为骨钙素N端中段片段，TC为总胆固醇，TG为甘油三酯，LDL-C为低密度脂蛋白胆固醇，Apo-A1为载脂蛋白A1，APO-B为载脂蛋白B，PT为凝血酶原时间，APTT为活化部分凝血活酶时间，INR为国际标准化比值，FIB为纤维蛋白原，ALP为碱性磷酸酶，AT为始增时间，TTP为达峰时间，AS为上升斜率，DS为下降斜率，MTT为平均渡越时间，BI为基础强度，EI为增强强度，PI为峰值强度。^a为χ²值，^b为t值，^c为Z值。

2.2 风险变量筛选结果

在LASSO算法回归交叉验证过程中，为平衡模型复杂性与预测性能，选择在最小目标函数值的1个标准误差范围内（lambda.1se），即λ=0.051[log（λ）=-2.919]，获得最简洁的模型，最终筛选出12个风险变量。Botuta算法经过100次迭代后共确定10个变量为重要特征。2种算法的7个交集风险变量为：MTT、D-二聚体、DS、PI、LDL-C、中医证素肾和血瘀（图 1）。

注：图 1a为根据惩罚系数（λ）序列绘制的最小绝对收缩选择算子（LASSO）算法系数路径；图 1b为LASSO算法的最优参数选择过程，当惩罚系数（λ）取0.051时，模型保留12个风险变量；图 1c为Boruta算法的特征筛选结果，最终确认10个关键风险变量（绿色方框）；图 1d为LASSO算法和Boruta算法筛选的交集变量。AT为始增时间，N-MID为骨钙素N端中段片段，PT为凝血酶原时间，BI为基础强度，β-CTX为Ⅰ型交联胶原C端肽β特殊序列，TG为甘油三酯，25（OH）D为25-羟基维生素D，Apo-A1为载脂蛋白A1，APTT为活化部分凝血活酶时间，INR为国际标准化比值，ARCO为国际骨循环研究会，ALP为碱性磷酸酶，Apo-B为载脂蛋白B，AS为上升斜率，TTP为达峰时间，TC为总胆固醇，PⅠNP为Ⅰ型原胶原N端前肽，EI为增强强度，FIB为纤维蛋白原，DS为下降斜率，LDL-C为低密度脂蛋白胆固醇，PI为峰值强度，MTT为平均渡越时间 图 1 2种机器学习算法筛选股骨头坏死（ONFH）塌陷风险变量的过程

2.3 多因素logistic回归分析

以ONFH患者是否发生塌陷为因变量，以筛选出的7个风险变量为自变量行多因素logistic回归分析；结果显示，MTT延长（OR=1.452）、PI升高（OR=1.461）、D-二聚体升高（OR=1.586）、LDL-C升高（OR=1.528）、病性证素血瘀（OR=3.039）、病位证素肾（OR=2.715）是ONFH患者发生塌陷的独立危险因素，DS绝对值升高（OR=0.680）是ONFH患者发生塌陷的独立保护因素（表 2）。

表 2 ONFH患者发生塌陷风险的多因素logistic回归分析

2.4 预测模型的构建与验证

基于多因素logistic回归分析结果，结合上述7个风险变量构建预测模型，并绘制列线图（图 2）。该模型在训练集（图 3a）的AUC为0.816（95%CI 0.756~0.876），验证集（图 3b）的AUC为0.753（95%CI 0.648~0.859）。训练集与验证集的AUC均＞0.75，表明该模型具有良好的区分能力。Hosmer-Lemeshow检验显示，训练集和验证集模型拟合良好（χ²=6.940，P=0.543；χ²=6.742，P=0.564）。同时，训练集与验证集中的校正曲线与理想曲线偏差较小，表明该模型具有良好的校准能力（图 4）。决策曲线分析显示，在训练集中阈值概率范围为0.08~0.98时，在验证集中阈值概率范围为0.05~0.70时，预测模型均可获得较好的临床净收益，具有一定的临床应用价值（图 5）。

注：MTT为平均渡越时间，DS为下降斜率，PI为峰值强度，LDL-C为低密度脂蛋白胆固醇，肾为病位证素，血瘀为病性证素 图 2 股骨头坏死（ONFH）塌陷风险预测模型的列线图

注：图 3a，3b分别为训练集、验证集 图 3 预测模型的ROC曲线

注：图 4a，4b分别为训练集、验证集 图 4 预测模型的校准曲线

注：图 5a，5b分别为训练集、验证集。红色区域为预测模型具有临床价值的阈值范围 图 5 预测模型的决策曲线

3 讨论

ONFH早期发病隐匿，患者就诊时大多已进展至ARCO Ⅱ期以上，股骨头塌陷是ONFH病情进展的关键节点，尽早发现塌陷风险，对预后有重要意义。Zheng等^[14]研究表明，股骨头的血流状态与塌陷风险显著相关，当外侧柱血供良好时，股骨头能够维持其形态完整性，塌陷发生率显著降低。不同ARCO分期的ONFH患者，其超声造影参数在病变程度间具有差异性，超声造影能够敏感地反映微循环灌注状态的变化。相比于ARCO Ⅱ期患者，ARCO Ⅲ期患者的血流灌注更丰富，表现为AS、PI等上升，原因可能是ARCO Ⅲ期患者骨坏死修复更明显，且伴随较多新生血管的形成，但此时的修复并不完全，新生血管结构和功能也不稳定，通透性较高，导致对比剂灌注增加、浓度聚集^{[8, 15]}。Chan等^[16]的研究也发现，随着ONFH进展，坏死的股骨头呈高灌注状态，这可能与炎症浸润、纤维细胞修复及肉芽组织增生有关。本研究发现，塌陷患者的TIC具有早期增强、延迟滞留的特点，表现为PI升高、MTT延长、DS升高的特征。这可能是因为随着ONFH的进展，经新生血管渗出的对比剂不断累积，且出现回流障碍；同时，新生血管结构脆弱，难以形成稳定血管网络；微循环处于血流瘀滞或堵塞状态均会延长对比剂的廓清速度，引起超声造影参数的变化。

血脂异常及凝血功能障碍与ONFH的发生、发展密切相关^[17]。脂质代谢紊乱可导致股骨头微血管内脂肪栓塞，引发骨髓腔内压力升高，进而影响股骨头血供，导致血管内凝血或血栓形成^[18]。低密度脂蛋白（low-density lipoprotein，LDL）易与自由基和过氧化物结合形成氧化型低密度脂蛋白（Ox-LDL），后者可损伤血管内皮，促进动脉粥样硬化的发生。Wang等^[19]研究发现，骨坏死区域存在显著的Ox-LDL累积，体外试验进一步证实Ox-LDL可降低骨细胞活力并加速其凋亡。血管内凝血和微循环血栓形成是ONFH的典型病理改变^[20]，Jones等^[21]研究发现，大部分糖皮质激素相关性ONFH患者股骨头微血管内存在血栓。还有研究表明，凝血功能指标可初步反映ONFH的病变进程，晚期患者较早中期患者更易出现血液高凝状态和微血栓形成^[22]。本研究显示，D-二聚体和LDL-C升高是ONFH发生塌陷的独立危险因素，定期监测ONFH患者血脂和凝血指标，有助于该病的早期防治。

传统医学将ONFH概括为骨蚀和骨痹，其病因病机复杂，但总体表现为本虚标实。本研究显示，病性证素血瘀、病位证素肾是ONFH发生塌陷的独立危险因素，两者使塌陷风险分别上升3.039和2.715倍。肾虚能通过调控ONFH相关基因的表达促进成骨细胞和骨细胞凋亡，加重ONFH病情进展^[23]。血瘀贯穿ONFH发病始终，活血祛瘀法是ONFH的主要治法^[24]。而流行病学研究也表明，血瘀质个体更容易出现血脉痹阻、血运不畅等微循环改变^[25]。此外，肾虚与血瘀常并存且相互影响。在ONFH早期，采用补肾活血中药治疗，具有促进成骨细胞增殖、促进血管新生、改善微循环等作用^[26]。

本研究存在的局限性：①研究数据来源于单中心且为回顾性设计；②纳入分析的临床指标范围有限，可能忽略部分影响因素；③仅行内部验证，缺乏外部验证以评估模型的普适性和外推能力。未来将进行多中心研究，纳入更广泛的预测因素，进一步开展外部验证工作，为ONFH的塌陷风险预测提供更为可靠的循证支持。

参考文献

[1]	ZHAO D W, YU M, HU K, et al. Prevalence of nontraumatic osteonecrosis of the femoral head and its associated risk factors in the Chinese population: results from a nationally representative survey[J]. Chin Med J (Engl), 2015, 128(21): 2843-2850. DOI:10.4103/0366-6999.168017
[2]	ZHAO D W, YU X B. Core decompression treatment of early-stage osteonecrosis of femoral head resulted from venous stasis or artery blood supply insufficiency[J]. J Surg Res, 2015, 194(2): 614-621. DOI:10.1016/j.jss.2014.12.007
[3]	田志敏, 何淳诺, 吴昊越, 等. 股骨头坏死塌陷预测方法研究进展[J]. 解放军医学杂志, 2026, 51(3): 453-460.
[4]	李获, 王鹏, 高健明, 等. 股骨头坏死血运重建与内部微观结构改变的关系[J]. 中国组织工程研究, 2022, 26(9): 1323-1328.
[5]	BACK S J, CHAUVIN N A, NTOULIA A, et al. Intraoperative contrast-enhanced ultrasound imaging of femoral head perfusion in developmental dysplasia of the hip: a feasibility study[J]. J Ultrasound Med, 2020, 39(2): 247-257. DOI:10.1002/jum.15097
[6]	DOLL J, WAIZENEGGER S, SCHMIDMAIER G, et al. Contrast-enhanced ultrasound: a viable diagnostic tool in predicting treatment failure after non-union revision surgery for upper- and lower-limb non-unions[J]. Ultrasound Med Biol, 2021, 47(11): 3147-3158. DOI:10.1016/j.ultrasmedbio.2021.07.020
[7]	JIN L, LI P, WANG Y C, et al. Studies of superb microvascular imaging and contrast-enhanced ultrasonography in the evaluation of vascularization in early bone regeneration[J]. J Ultrasound Med, 2019, 38(11): 2963-2971. DOI:10.1002/jum.15002
[8]	YAN M, LI R, HU D, et al. Detection of subchondral bone microcirculatory perfusion in adults with early osteonecrosis of the femoral head using contrast-enhanced ultrasound: a prospective study[J]. Ultrasound Med Biol, 2023, 49(2): 635-644. DOI:10.1016/j.ultrasmedbio.2022.10.004
[9]	CHEN Y Y, WU X S, TIAN Y Y, et al. Evaluation of femoral head perfusion by contrast-enhanced ultrasound in a rabbit model of steroid-induced osteonecrosis[J]. J Ultrasound Med, 2020, 39(5): 987-995. DOI:10.1002/jum.15184
[10]	严谨, 魏秋实, 田媛媛, 等. 超声造影在股骨头坏死血流灌注中的应用价值[J/CD][J]. 中华医学超声杂志(电子版), 2021, 18(3): 301-306.
[11]	国家中医药管理局医政司. 22个专业95个病种中医诊疗方案[J]. 北京: 国家中医药管理局医政司, 2010, 367-370.
[12]	陈卫衡, 何伟, 童培建, 等. 股骨头坏死中医辨证标准(2019年版)[J]. 中医正骨, 2019, 31(6): 1-2.
[13]	朱文锋. 证素辨证学[J]. 北京: 人民卫生出版社, 2008, 53-57.
[14]	ZHENG G S, QIU X, WANG B J, et al. Relationship between blood flow and collapse of nontraumatic osteonecrosis of the femoral head[J]. J Bone Joint Surg Am, 2022, 104(S2): 13-18.
[15]	刘柯兵, 赵萍, 陈钰仪, 等. 超声造影在股骨头坏死前外侧病灶微血流灌注定量评估中的应用价值[J]. 中国超声医学杂志, 2021, 37(5): 583-586.
[16]	CHAN W P, LIU Y J, HUANG G S, et al. Relationship of idiopathic osteonecrosis of the femoral head to perfusion changes in the proximal femur by dynamic contrast-enhanced MRI[J]. AJR Am J Roentgenol, 2011, 196(3): 637-643. DOI:10.2214/AJR.10.4322
[17]	贾朝旭, 高欢欢, 孙继高, 等. 股骨头坏死与血脂、凝血指标的相关性分析[J]. 海南医学院学报, 2020, 26(1): 30-33.
[18]	DEGUCHI H, PECHENIUK N M, ELIAS D J, et al. High-density lipoprotein deficiency and dyslipoproteinemia associated with venous thrombosis in men[J]. Circulation, 2005, 112(6): 893-899. DOI:10.1161/CIRCULATIONAHA.104.521344
[19]	WANG X Y, MA T L, CHEN K N, et al. Accumulation of LDL/ox-LDL in the necrotic region participates in osteonecrosis of the femoral head: a pathological and in vitro study[J]. Lipids Health Dis, 2021, 20(1): 167. DOI:10.1186/s12944-021-01601-x
[20]	李时斌, 赖渝, 周毅, 等. 激素性股骨头坏死发病机制及相关信号通路的靶点效应[J]. 中国组织工程研究, 2021, 25(6): 935-941.
[21]	JONES J P. Fat embolism, intravascular coagulation, and osteonecrosis[J]. Clin Orthop Relat Res, 1993(292): 294-308.
[22]	吴子轩, 孙诗艺, 张程, 等. 血液指标与非创伤性股骨头坏死分期及病程的关系: 多元Logistic回归分析[J]. 中国组织工程研究, 2024, 28(36): 5865-5871.
[23]	李鹏飞, 孙楠, 樊粤光, 等. 袁氏生脉成骨片对激素干预后大鼠成骨细胞的差异表达miRNA的实验研究[J]. 中华中医药学刊, 2017, 35(1): 91-94.
[24]	莫亮, 王章正, 江梦钰, 等. 基于血瘀理论探析股骨头坏死骨髓水肿[J]. 中国中西医结合杂志, 2025, 45(3): 379-384.
[25]	张修研. 基于数据分析的中医体质与疾病及生活习惯相关性研究[D]. 北京: 中国中医科学院, 2013.
[26]	张鎏, 韩杰, 彭清林, 等. 中药补肾活血法治疗激素性股骨头坏死机制的研究进展[J]. 辽宁中医药大学学报, 2025, 27(7): 54-60.