Osteoporoosin diagnostiikassa kaikki hyvin? Tuloksia eri DXA-laitteilla tehtyjen mittausten vertailusta

Kansainvälisen määritelmän mukaan osteoporoosi on systeeminen luuston sairaus, jolle on ominaista pieni luumassa ja luukudoksen mikrorakenteen rappeutuminen ja näistä seuraava luun lisääntynyt hauraus ja murtuma-alttius (1,2). Toistaiseksi osteoporoosin diagnoosi ennen murtumaa perustuu luun massan tai tiheyden mittaamiseen (1).

Kaksienergiainen röntgenabsorptiometria (DXA) on vakiintunein luuntiheyden mittausmenetelmä. Tavallisia mittauskohteita ovat reisiluun yläosa ja lannenikamat (1). Käytössä on useita erilaisia DXA-laitteita, joiden tuottamat luuntiheyslukemat eivät ole yhteismitallisia (1,3,4,5,6). Tämä johtuu laitteissa sovellettujen teknisten ratkaisujen, ohjelmistojen ja mittauskäytäntöjen eroista. Erilaisilla laitteilla mitattujen luuntiheyksien keskinäiset erot eivät välttämättä ole eri mittauskohteissa, esim. reisiluun kaulassa ja lannenikamissa, yhtä suuria. Erot ovat suurimpia eri valmistajien laitteiden kesken, mutta aivan samanlaisetkin laitteet voivat tuottaa toisistaan poikkeavia mittaustuloksia (6,7,8). Suomen markkinoilla on toistaiseksi ollut kolmen kansainvälisesti tunnetun laitevalmistajan (Hologic, Lunar, Norland) DXA-laitteita.

Erilaisilla laitteilla tuotettujen mittaustulosten yhtenäiseen tulkintaan pääsemiseksi Maailman terveysjärjestön työryhmä on kehottanut vertailemaan luuntiheyksiä vastaavalla laitteella nuoresta naisväestöstä tehtyjen mittausten keskiarvosta ja keskihajonnasta lasketun T-arvon avulla (1,9). Mitatut luuntiheydet on luokiteltu normaaleiksi tai luukatoon (osteopenia, osteoporoosi) viittaaviksi käyttäen WHO:n työryhmän määrittelemiä raja-arvoja (1,9). DXA-mittauksella saatu osteoporoosidiagnoosi ei näin ollen riipu pelkästään DXA-laitteesta, vaan myös siitä, mitä viiteaineistoa mittaustulosten luokitukseen kulloinkin käytetään (10,11).

Luuntiheyden mittaustulos riippuu myös siitä, mistä luusta tai luun osasta mittaus tehdään. Eri mittauskohteilla on väestötasolla omat (käytetystä laitteesta riippuvat) luuntiheyden jakaumansa. Yksilötasolla samanaikaisesti mitatut luuntiheydet voivat vastaavasti joissakin luuston osissa viitata WHO-luokituksen mukaiseen osteoporoosiin, toisissa osteopeniaan, kun jotkut mittaustulokset vielä tulkitaan normaaleiksi (12). Kansainvälinen asiantuntijaryhmä on sen vuoksi suositellut, että diagnostinen luuntiheysmittaus tehtäisiin vain reisiluun yläosasta (kaulasta), ja tulosta verrattaisiin terveiden 20-29-vuotiaiden naisten luuntiheysmittauksista Yhdysvalloissa kerättyyn viiteaineistoon (13). Muualta luustosta tehdyt mittaukset palvelisivat tarpeen mukaan potilaan kokonaistilanteen, murtumavaaran ja hoidontarpeen laajempaa arviointia, mutta eivät diagnostista luokittelua.

Verenpainetaudin diagnostiikassa on jo pitkään noudatettu tällaista menettelyä. Diagnostiset verenpaineen mittaukset tehdään vakiopaikasta (olkavarresta) yhteisesti sovitulla tavalla. Osteoporoosista ei vastaavanlaista yhteistä käytäntöä ole toistaiseksi syntynyt. On päinvastoin julkaistu toinenkin suositus, joka kehottaa tekemään mittaukset aina sekä lannenikamista että reisiluun yläosasta ja asettamaan diagnoosi pienimmän T-arvon mukaan (14). Tämä suositus vielä liittää diagnostiseen kriteeristöön sukupuolen, iän ja muita luunmurtumien vaaratekijöitä sen sijaan, että ne otettaisiin huomioon hoidontarpeisiin vaikuttavina itsenäisinä tekijöinä. Osteoporoosin diagnostiikka DXA-laitteilla on siis toistaiseksi huojuvalla pohjalla.

Nykytilanne on altis hämmentävien diagnostisten ristiriitojen syntymiselle. Näitä ilmenee kaikkialla, missä potilaan tutkimus- ja hoitopaikkojen vaihtuessa luuntiheyksiä mitataan eri DXA-laitteilla ja mittaustuloksia luokitellaan vaihtelevin käytännöin toisistaan poikkeavien viiteaineistojen perusteella. Vertasimme sen vuoksi Turun alueella vuosina 2000-01 käytössä olleiden DXA-laitteiden tuloksia toisiinsa saadaksemme käsityksen siitä, miten tiheysmittaukset näillä laitteilla käytännössä toimivat ja löytääksemme keinoja saattaa ainakin samalla alueella käytössä olevien laitteiden tulokset yhteismitallisiksi.

Aineisto ja tutkimusmenetelmät

Tutkimukseen rekrytoitiin itsenäisesti liikkumaan kykeneviä, iältään, ruumiinrakenteeltaan ja terveydentilaltaan erilaisia miehiä ja naisia. He saivat tutkimuksesta kertovan esitteen ja kyselylomakkeen, jolla kerättiin tietoja heillä mahdollisesti todetuista luukadon vaaratekijöistä, luukadon kannalta merkittävistä sairauksista ja niiden hoidosta sekä luunmurtumista. Tietojen avulla pyrittiin löytämään koehenkilöjoukko, jonka luuntiheydet kattaisivat mahdollisimman tasaisesti koko aikuisväestön luuntiheyden jakauman ääripäästä toiseen.

Suunnitelmana oli mitata koehenkilöiltä luuntiheys sekä reisiluun yläosasta että lannerangasta. Molemmista kohteista haluttiin saada kaksi mittausta, jotta samalla saataisiin käsitys näiden mittausten toistettavuudesta.

Vakiomittauskohteeksi valittiin DXA-laitteiden vertailuun kehitetty fantomi, European Spine Phantom, ESP, jonka kaikki vertailussa mukana olleiden laitteiden valmistajat ovat hyväksyneet tähän tarkoitukseen (5,15,16).

Mittauksiin osallistui 105 henkilöä (taulukko 1), joille tehtiin kaksi mittausta sekä reisiluun yläosasta että lannerangasta kahden eri valmistajan laitteella, eli yhteensä kahdeksan mittausta. Kaikille tehtiin ensin koordinoivassa keskuksessa (Kelassa) mittaukset Norland-laitteella. Tämän jälkeen ryhmä jaettiin kolmeen 35 henkilöä käsittävään osaan, joille tehtiin vastaavat mittaukset yhdessä kolmesta vertailuun osallistuneesta muusta yksiköstä. Näistä kahdessa DXA-laite oli Hologic- ja yhdessä Lunar-merkkinen. Tiedot vertailussa mukana olleista laitteista, niissä käytetyistä ohjelmista ja viiteaineistoista on esitetty taulukossa 2. Laitteiden toiminnan tarkistukset ja mittaukset tehtiin yksiköiden vakiokäytäntöjen mukaisesti, ja koehenkilöt kävivät mittauksissa ajanvarauksen perusteella kunkin yksikön tavanomaisena toiminta-aikana.

Reisiluun yläosan mittaukset tehtiin pääsääntöisesti vasemmasta reisiluusta. Toistomittaukset tehtiin siten, että koehenkilö nousi ensimmäisen mittauksen jälkeen seisomaan ja hänet aseteltiin sitten uudelleen mittausalustalle. Biologisesta vaihtelusta aiheutuvan vertailuvirheen eliminoimiseksi kunkin koehenkilön kaikki mittaukset tehtiin kahden viikon kuluessa. Mittaustulosten diagnostiset WHO-luokitukset tehtiin käyttäen laitteisiin asennettuja sukupuolen mukaisia nuorten aikuisten viiteaineistoja. Lunar-laitteella ne olivat kotimaisia, Norland- ja Hologic-laitteilla laitevalmistajien keräämiä ulkomaisia aineistoja, kaikki peräisin 1990-luvun alkupuolelta. Vertailussa mukana olleiden kahden Hologic-laitteen viiteaineistot olivat identtiset.

Fantomista (ESP) tehtiin kullakin vertailuun osallistuneella laitteella kaksi yhdeksän mittauksen sarjaa, toinen aamupäivällä ja toinen iltapäivällä, kun laite oli ollut käytössä aamusta saakka. Näin haluttiin tarkistaa laitteiden mittaustason pysyvyys tavallisen käyttöpäivän kuluessa.

Koehenkilöiden luuntiheysmittausten tulokset analysoitiin LISREL-ohjelmalla (17). Kahden laitteen vertailussa tilastollisena mallina on kahden faktorin malli, jossa faktorit edustavat mittausvirheestä puhdistettuja mittaustuloksia vertailtavilla laitteilla. Mallilla voidaan testata laitteilla tuotettujen mittaustulosten yhtäpitävyyttä sekä tuottaa muuntokaava, jonka avulla tulokset voidaan tarvittaessa muuntaa toisiaan vastaaviksi. Muuntokaava lasketaan faktorien välisestä regressioyhtälöstä niin, että muunnosten lopputulokset eivät riipu siitä kumman laitteen tulokset on valittu selitettäväksi muuttujaksi kyseisessä regressiomallissa. Tällä asialla on merkitystä erityisesti silloin, kun muuntokaavoja sovelletaan epäsuoriin laitevertailuihin.

Tulokset

Trokanterin ja lannerangan alueelta (L2-4) tehtyjen mittausten toistettavuudet eivät olennaisesti poikenneet siitä mitä kuviossa 1 on esitetty reisiluun kaulan toistomittauksista. ESP-vertailut osoittivat, että päivän mittaan laitteiden mittaustaso säilyy hyvin riippumatta fantomin siirroista ja sijainnista. Näissä vertailuissa ilmeni, että Hologic-laitteiden tulokset osuivat lähimmäs ESP:n nikamien varmennettuja luuntiheyksiä. Lunar-laite yliarvioi niitä. Norland-laite puolestaan aliarvioi etenkin korkeinta tiheystasoa.

Kolmen erillisen koehenkilöjoukon ensimmäisten luuntiheysmittausten suorat vertailut ovat kuviossa 2. Vertailuasetelman mukaiset mittaukset tehtiin eri laitteilla reisiluun kaulasta, trokanterin alueelta ja lannenikamista (L2-4). Norland-laitteella tehtyihin mittauksiin nähden Lunar-laite tuotti johdonmukaisesti suurempia luuntiheyksiä. Kahden mittauksen keskiarvoista lasketut erot olivat selviä kaikissa mittauskohteissa. Lunar-laitteella mitatut luuntiheydet olivat reisiluun kaulassa keskimäärin 8 %, trokanterin alueella 14 % ja lannenikamien alueella 14 % suurempia kuin Norland-laitteella mitatut. Hologic-laitteilla mitatut luuntiheydet taas olivat enimmäkseen pienempiä kuin Norland-laitteella mitatut. Erot olivat suurimmat reisiluun kaulan tiheysmittauksissa. Toinen Hologic-laite (Tyks) päätyi näissä mittauksissa Norland-laitteeseen verrattuna keskimäärin 9 % pienempään tiheyteen, toinen 7 % pienempään. Trokanterin alueelta ja lannenikamista tehdyissä mittauksissa erot Hologic-laitteiden ja Norland-laitteen välillä olivat selvästi pienempiä. Ensin mainitulla Hologic-laitteella (Tyks) keskimääräinen trokanterin luuntiheys oli 3 % ja lannenikamien 4 % pienempi. Toinen Hologic-laite päätyi molemmissa mittauksissa käytännöllisesti katsoen samaan tiheystasoon kuin Norland-laite. Kuviossa 2 on lisäksi esitetty vastaavat vertailut samoilla laitteilla ESP-mittauksissa saaduista luuntiheystuloksista.

Taulukossa 3 ovat koehenkilöiden luuntiheyksistä LISREL-mallilla tuotetut kaavat, joiden avulla muilla laitteilla reisiluun kaulasta, trokanterista ja lannenikamista mitatut luuntiheydet voidaan muuntaa vastaamaan Tyksin Hologic-laitteella mitattuja luuntiheyksiä. Kaavat noudattavat samaa muotoa: jokaisessa on vakiotermi ja kulmakerroin.

Eri laitteilla samoista koehenkilöistä mitattujen luuntiheyksien diagnostiset WHO-luokittelut eivät taanneet löydösten yhdenmukaista tulkintaa. Kuviosta 3 ilmenee, että Lunar- ja Norland-laitteilla päädyttiin reisiluun kaulan tiheysmittauksissa T-arvojen perusteella huomattavasti toisistaan poikkeaviin luokituksiin. Vastaavissa vertailuissa Norland-laitteella ja kummallakin mukana olleella Hologic-laitteella tuotetut tulokset päätyivät diagnostisissa luokitteluissa selvästi lähemmäs toisiaan (kuvio 3).

Kuviossa 4 ovat reisiluun yläosan ja lannenikamien luuntiheyksistä tehtyjen diagnostisten luokitusten tulokset tutkimusasetelman mukaisissa osa-aineistoissa. Anatomisesta mittauskohteesta riippumatta luokitukset olivat Norland- ja Hologic-laitteita käytettäessä varsin lähellä toisiaan, mutta poikkesivat selvästi siitä mihin Lunar-laitteella päädyttiin.

Pohdinta

DXA-laitteitteiden valmistajat ovat kehittäneet kunkin laitteen toimintakunnon ja mittaustulosten laadun arviointiin ja seurantaan soveltuvia fantomeita. Erimerkkisissä laitteissa sovelletaan erilaisia teknisiä ratkaisuja, joten laitekohtaiset fantomitkin ovat erilaisia (6). European Spine Phantom (ESP) on kehitetty erimerkkisten laitteiden vertailuun (5,6,15). Laitevalmistajat (Hologic, Lunar, Norland) ovat hyväksyneet sen tällaiseen käyttöön (16).

Koehenkilöiltä mitatut luuntiheydet kattoivat hyvin ne tiheyden tasot, joille mittaustulokset kliinisessä työssä yleensä asettuvat. Mittaustulosten toistettavuudet olivat sekä koehenkilöaineistossa että ESP:n mittauksissa hyvät (kuvio 1 a ja b). Luuntiheyksien tasovertailuissa todettiin koehenkilöiden mittauksissa (kuvio 2 a,b,c, taulukko 3) selvät erot laitteiden välillä. Nämä tulokset olivat kaikki odotusten mukaisia. DXA-mittausten toistettavuus on yleisesti ollut hyvä (1). Myös luuntiheystasojen vertailuissa päädyttiin samanlaisiin tuloksiin kuin aiemmissa tutkimuksissa (3,4,5,18,19). ESP:n mittauksiin perustuneet tasovertailut (kuvio 2 d) olivat samansuuntaisia kuin koehenkilöiden mittauksiin perustuneet vertailut.

Erimerkkisillä DXA-laitteilla mitattujen luuntiheyksien yhteismitattomuudesta aiheutuvaa ongelmaa on pyritty ratkaisemaan standardointiyhtälöillä (5,16,18). Näitä yhtälöitä ei kuitenkaan voi sellaisenaan soveltaa kliinisessä työssä yksilötasolla, koska ne perustuvat siihen kyseenalaiseen oletukseen, että kaikki saman valmistajan DXA-laitteet tuottaisivat identtisiä mittaustuloksia. Näinhän ei välttämättä ole.

Myös mittaustulosten T-arvon avulla tehtävä diagnostinen WHO-luokittelu pyrkii poistamaan samaa mittausten yhteismitattomuudesta aiheutuvaa ongelmaa. Tuloksemme (kuviot 3 ja 4) osoittavat, ettei vallitsevan käytännön mukaisella T-arvon laskennalla välttämättä päästä yhdenmukaiseen diagnostiseen luokitteluun. Kuviosta 4 käy lisäksi ilmi miten ratkaisevasti poikkeaviksi tulkittujen löydösten (osteoporoosi, osteopenia) lukumäärä riippuu siitä, mitä mittaustuloksia luokituksessa otetaan yksilötasolla huomioon.

Tavoitteenamme oli vertailla eri laitteilla rutiinimenetelmin samoista kohteista mitattuja luuntiheyksiä, jotka kattaisivat kliinisen työn kannalta relevantin luuntiheysalueen. Valikoitunut aineistomme käsitti tästä syystä vain pienehkön määrän henkilöitä, joiden luuntiheystaso oli matala tai matalahko. Tuloksemme T-arvon vertailuista viittaavat silti selkeästi siihen, ettei osteoporoosin DXA-diagnostiikassa kaikki ole hyvin.

WHO:n työryhmän ehdottama diagnostinen luokittelu luotiin palvelemaan luukadon yleisyyden yhdenmukaista arviointia. Tämän mukainen diagnoosi ei tarkoita sitä, että hoidon aloittamisen kriteerit samalla täyttyisivät. Hoitokynnyksen ylittyminen on asia erikseen ja vaatii tuekseen muutakin luunmurtumavaaraa ennustavaa tietoa (1,2,13,20,21). Koska diagnostisen luokittelun tulokset riippuvat viiteaineistosta, tulisi maailmanlaajuisesti käyttää yhtä ja samaa viiteaineistoa. Toisaalta pitäisi päästä mahdollisimman yhtenäiseen diagnostiseen käytäntöön, joka ei huojuisi sen mukaan kuinka monta tiheysmittausta tehdään, mistä luuston kohdasta ne tehdään ja miten niiden tuloksia kulloinkin otetaan yksilötasolla huomioon. Näihin ongelmiin voitaisiin löytää ratkaisu tekemällä diagnoosi vain reisiluun kaulasta ja vertaamalla tulosta Yhdysvalloissa kerättyyn viiteaineistoon (22), kuten kansainvälinen asiantuntijaryhmä on suositellut (13).

Naisten viiteaineistosta laskettujen raja-arvojen soveltamista suositellaan myös miesten luuntiheyksien luokitteluun (13). Miesten luumassa on nuorella aikuisiällä keskimäärin suurempi kuin naisten, mutta samalla luuntiheystasolla miesten ja naisten murtumariskit eivät poikkea toisistaan. Miehet saavuttavat tämän tason keskimäärin viisi vuotta vanhempina kuin naiset (21,23).

Osteoporoosidiagnoosia ei voi yksioikoisesti rajata tehtäväksi vain reisiluun yläosasta. Jos potilaalla esim. on todettu pienienergiainen murtuma ja luukato missä hyvänsä luussa, hänen voidaan katsoa sairastavan osteoporoosia jo näiden löydösten perusteella, ilman tietoa reisiluun yläosan tilasta. Reisiluun kaulan erityisasemaa diagnostisessa käytännössä voidaan kuitenkin pitää hyvin perusteltuna. Reisiluun yläosan murtumat ovat seuraamuksiltaan vakavimpia, joten niiden torjunta on yksi osteoporoosin diagnostiikan ja hoidon keskeisimmistä tavoitteista. Reisiluun kaulan tiheysmittaus ennustaa tämän alueen murtumia paremmin kuin muualta, esim. lannerangasta, tehty mittaus (1). Vanhuksilla tavalliset aortan kalkkiutumat sekä nikamiin syntyvät nivelrikot ja luhistumat vääristävät lannerankamittausten tuloksia ja vaikeuttavat niiden tulkintaa. Reisiluun yläosan mittaukset eivät ole alttiita näille virhelähteille (1).

Muunsimme muilla laitteilla mitatut luuntiheydet Tyksin laitteen tasoon (taulukko 3). Laite on Hologic-merkkinen. Muunto olisi yhtä hyvin voitu tehdä Lunar-laitteen tasoon. Osteoporoosin ja osteopenian absoluuttiset raja-arvot (g/cm²) olisi ehkä kuitenkin selkeintä määritellä Hologic-laitteen mittaustason mukaan, koska suosituksen mukainen yhdysvaltalainen viiteaineisto on kerätty niitä käyttäen.

DXA-laitteet vanhenevat ja niitä joudutaan uudistamaan tai korvaamaan kokonaan uusilla, teknisesti aikaisemmista poikkeavilla laitteilla. Myös laitteissa käytetyt ohjelmistot uudistuvat. Muuntokaavojen kelvollisuudesta ei sen vuoksi voi ajan mittaan olla takeita, ellei laitteiden toimivuutta ja mittaustasojen pysyvyyttä systemaattisesti seurata. DXA-mittausten laaduntarkkailua ja -arviointia pitäisi joka tapauksessa tehdä samaan tapaan kuin kliinisen kemian mittauksissa.

Terveydenhuollon olisi tunnistettava potilaat, joilla on suuri murtumavaara (2,13,20,21) ja ohjattava heidät asianmukaiseen hoidon tarpeen arviointiin ja hoitoon. On huomattava, että murtumavaara vaihtelee väestöissä Euroopan sisälläkin erittäin paljon (24), joten esim. Ruotsista raportoituja riskiarvioita ei voi sellaisenaan soveltaa meidän oloihimme.

DXA-laitteilla mitatut luuntiheydet ja niiden T-arvoon perustuvat luokittelut tuskin käyvät lähiaikoina tarpeettomiksi. Mittausten laaduntarkkailun tarpeista ja toteutuksesta sekä diagnostisista käytännöistä tulisi käydä avointa keskustelua. Käypä hoito -työryhmän tulisi ottaa näihin asioihin perusteltu kanta osteoporoosin hoitosuosituksen parhaillaan menossa olevan päivityksen yhteydessä.