🇸🇪 Osteoporosis Self-Assessment Tool (OST)

Klinisk bakgrund

Osteoporosis Self-Assessment Tool (OST) fyller en specifik funktion: att triagera vilka patienter som bör gå vidare till bentäthetsmätning med DXA, i situationer där DXA inte är omedelbart tillgängligt eller där man vill minska antalet onödiga undersökningar. Beslutet är svårt utan ett strukturerat instrument därför att ålder och vikt är starkt kopplade till benmineraldensitet, men sambandet är icke-linjärt och interagerar med kön och etnicitet på sätt som är svåra att överblicka kliniskt. OST reducerar detta till en enda siffra baserad på två variabler som alltid finns tillgängliga, utan laboratorieprover eller anamnestiska data.

Verktyget härledes ursprungligen för asiatiska postmenopausala kvinnor under benämningen OSTA (Osteoporosis Self-Assessment Tool for Asians), men har sedan validerats i flera populationer och används numera i bredare kontexter, inklusive män och kaukasiska kvinnor. U.S. Preventive Services Task Force (USPSTF) har rekommenderat OST som ett av flera instrument för riskbedömning inför beslut om DXA-screening hos postmenopausala kvinnor under 65 år [3].

Beräkning av Osteoporosis Self-Assessment Tool

Formeln är:

$$\text{OST} = \text{trunc}\left((\text{vikt}$${\text{kg}} - \text{ålder}{\text{år}}) \times 0{,}2\right)

där trunc betyder avkortning till heltal (inte avrundning). Kroppsvikt anges i kilogram och ålder i hela år. Lägre värden indikerar högre risk: hög ålder och låg vikt ger ett negativt värde, vilket motsvarar förhöjd osteoporosrisk.

Härledningskohorten utgjordes av postmenopausala kvinnor från åtta asiatiska länder, rekryterade via ett multicenterprogram under sent 1990-tal. Flera riskfaktorer samlades in via frågeformulär, och multipel regression med item-reduction resulterade i att endast ålder och kroppsvikt kvarstod som prediktorer. Utfallet var osteoporos definierat som T-score ≤ −2,5 vid femoral hals. I härledningskohorten uppnåddes en sensitivitet på 91 % och specificitet på 45 %, med en AUC på 0,79 [1]. Tre riskkategorier skapades: i högriskgruppen hade 61 % osteoporos, i mellangruppen 15 % och i lågriskgruppen 3 %. Lågriskgruppen utgjorde 40 % av samtliga kvinnor. En extern validering i en japansk population gav sensitivitet 98 % och specificitet 29 %, med lågriskgruppen omfattande 25 % [1].

Tolkning i praktiken

Kalkylatorn använder tre riskband baserade på det trunkerade värdet:

Poängen är ett triageringsverktyg, inte ett diagnostiskt test. Ett högt värde utesluter inte osteoporos med säkerhet, och ett lågt värde bekräftar det inte. Verktygets styrka ligger i att identifiera en grupp med så låg sannolikhet att DXA kan undantas, snarare än att exakt klassificera individuella patienter.

Validering och prestanda

En systematisk översikt och metaanalys från 2015, som inkluderade 108 studier i 34 länder, fann att OST var det mest studerade instrumentet (55 studier) [2]. För amerikanska postmenopausala kvinnor, med tröskeln <1 vid femoral hals, var sammanlagd sensitivitet 89 % (95 % KI 82 till 96 %) och specificitet 41 % (95 % KI 23 till 59 %). För amerikanska män, med tröskeln 3, var sensitivitet 88 % (95 % KI 79 till 97 %) och specificitet 55 % (95 % KI 42 till 68 %). Mellanstudierna uppvisade betydande heterogenitet. En viktig slutsats var att enklare instrument som OST presterade minst lika bra som mer komplexa verktyg som SCORE och ORAI [2].

I en kinesisk multicenterstudie från 2025 med 2 824 män ≥65 år (varav 21 % hade osteoporos) uppnådde OST en AUC på 0,734 (95 % KI 0,712 till 0,756), vilket var signifikant bättre än både OSIRIS (AUC 0,717) och SCORE (AUC 0,715) [3]. Vid optimal tröskel (−0,7 enligt Youden-index) blev sensitivitet 77 % och specificitet 57 %. Det negativa prediktiva värdet var 67 %, vilket bekräftar verktygets roll som uteslutningstest snarare än diagnostiskt test [3].

För yngre postmenopausala kvinnor har prestandan varit sämre. I en studie från Women's Health Initiative med 6 067 kvinnor i åldern 50 till 64 år var AUC för OST endast 0,654 (95 % KI 0,654 till 0,655) för att identifiera osteoporos vid minst ett skelettställe [4]. Författarna drog slutsatsen att verktyget hade begränsad diskrimineringsförmåga i denna population. En mindre studie från Mayo Clinic med 290 kvinnor i samma åldersgrupp, nästan uteslutande kaukasiska, gav en AUC på 0,63 för OST vid tröskeln <2, med sensitivitet 56 % och specificitet 69 % [5].

Sammanfattningsvis presterar OST bäst hos äldre patienter (≥65 år) och hos asiatiska populationer, där härledningen gjordes. Diskriminationen sjunker märkbart hos yngre postmenopausala kvinnor och i kaukasiska populationer, där AUC-värden typiskt ligger kring 0,63 till 0,65.

Begränsningar

OST gäller inte för patienter under 40 år eller med kroppsvikt under 25 kg respektive över 200 kg, eftersom formeln inte validerats i dessa intervall. Verktyget är heller inte framtaget för patienter med sekundär osteoporos vid tillstånd som primär hyperparatyreoidism, långvarig kortisonbehandling, hypogonadism eller malabsorption. Hos sådana patienter är osteoporosrisken förhöjd oavsett ålder och vikt, och OST bör inte användas för att skjuta upp DXA.

Ett vanligt fel är att tolka ett lågt värde som diagnostiskt bekräftat osteoporos. OST är ett screeninginstrument, och även i högriskgruppen har inte alla patienter osteoporos enligt DXA-kriterier. Omvänt får ett högt värde inte tolkas som garanti mot frakturrisk, särskilt inte hos patienter med tidigare fraktur, där frakturriskbedömning (till exempel FRAX) är mer relevant än densitometrisk screening.

Ett ytterligare problem är att olika studier använder olika trösklar för OST. Den ursprungliga härledningen använde kategorier baserade på trösklarna −1 och −4, men metaanalysen från Nayak m.fl. rapporterade även trösklar som <1, ≤0 och ≤−1 beroende på population och DXA-referensställe [2]. Kalkylatorns trebandiga indelning (>−1, −1 till −4, <−4) följer den ursprungliga kategoriseringen, men kliniska studier har inte konsekvent validerat just dessa gränsvärden i alla populationer.

Källor

1. Koh LK m.fl. A simple tool to identify asian women at increased risk of osteoporosis. Osteoporos Int 2001. PMID: 11580084
2. Nayak S m.fl. Systematic review and meta-analysis of the performance of clinical risk assessment instruments for screening for osteoporosis or low bone density. Osteoporos Int 2015. PMID: 25644147
3. Li X m.fl. Performance of USPSTF-recommended osteoporosis risk assessment tools in identifying osteoporosis in older men: a multicentre retrospective study. Front Endocrinol 2025. PMID: 41473245
4. Zheng HW m.fl. Identifying Younger Postmenopausal Women With Osteoporosis Using USPSTF-Recommended Osteoporosis Risk Assessment Tools. JAMA Netw Open 2025. PMID: 40100219
5. Pecina JL m.fl. Comparison of Clinical Risk Tools for Predicting Osteoporosis in Women Ages 50-64. J Am Board Fam Med 2016. PMID: 26957380