OBJETIVOS: verificar os principais fatores de risco associados à baixa massa óssea e propor algoritmos para a indicação de avaliação da densidade óssea em uma população de mulheres, residentes em São José do Rio Pardo, Estado de São Paulo. MÉTODOS: foram estudadas 324 mulheres com média de idade de 60 anos. Foi enviado pelo correio um questionário contendo perguntas a respeito de diversos fatores de risco para osteoporose, incluindo histórico pessoal e materno de fraturas. A densidade mineral óssea foi medida utilizando-se a densitometria óssea por densitômetro DXA, sendo analisados os sítios coluna lombar (L2-L4) e/ou fêmur proximal (colo femoral); todas as mulheres foram classificadas de acordo com os critérios da OMS. A análise estatística empregou Análise de Variância (Anova), segundo um critério de classificação e teste "post-hoc" de comparação múltipla, aos pares, de Student - Newman - Keuls; tabelas de contingência 2 x 2 e k x r; teste do Qui-quadrado. Por meio de regressões múltiplas foram estabelecidas as variáveis mais eficientes na identificação de mulheres com baixa massa óssea. Foram também aplicados dois algoritmos descritos em literatura, denominados Osteorisk e Osiris. RESULTADOS: o grupo Normal ficou constituído por 88 (27,2%) indivíduos, o grupo Osteopênico por 160 (49,4%) e o grupo Osteoporótico por 76 (23,5%). A média de idade dos grupos foi: Normal, 56 anos; Osteopenia, 60 anos; e Osteoporose, 65 anos. O peso e a estatura foram, respectivamente, para o grupo Normal 69,5 kg e 1,60 m; Osteopenia, 64,9 kg e 1,59 m; e Osteoporose, 62,1 kg e 1,57 m. Todos esses valores mostraram significância estatística. Outras variáveis que mostraram diferenças significantes foram: número de anos decorridos desde a menopausa, maior no grupo Osteoporose; uso de anticoncepcionais e de terapia de reposição hormonal, que foi menos freqüente no grupo Osteoporose do que nos demais; e a menopausa, sendo que 100% das mulheres do grupo Osteoporose estavam na pós-menopausa, contra 86% das mulheres dos outros grupos. No histórico pessoal de fraturas, as do grupo Osteoporose relatavam maior número de fraturas prévias do que as demais e isso foi estatisticamente significante. A partir da identificação das principais variáveis, por meio de regressões múltiplas, chegou-se a uma equação envolvendo idade, peso e estatura que se mostrou o melhor modelo como preditor de osteoporose. Fez-se, então, uma comparação entre esse modelo, dois algoritmos descritos em literatura, Osteorisk e Osiris, e as variáveis idade e peso isoladamente. CONCLUSÃO: dentre as variáveis estudadas, idade e peso foram as que mostraram maior significância; sua combinação em um único algoritmo mostra desempenho melhor do que a utilização dessas variáveis individualmente. A inclusão de outras variáveis não melhora o desempenho na identificação de mulheres com osteoporose. A utilização de um algoritmo com critérios objetivos possibilita a seleção de candidatos à realização de densitometria óssea.
OBJECTIVES: to assess the main risk factors associated to low bone mass and to propose algorithms for the indication of the evaluation of bone mineral density in a women population from São José do Rio Pardo, state of São Paulo. METHODS: 324 women (mean age 60 years old) were studied. A questionnaire was sent by regular mail to collect data for several osteoporosis risk factors, as well as both personal and mother’s history of fractures. Bone mineral density was measured using DXA, measuring the lumbar spine segment (L2-L4), and/or the proximal femur (femoral neck). Data were classified according to the WHO criteria. Data were analyzed using one-way Anova, and the "post-hoc" Student-Newman-Keuls test for paired multiple comparisons; 2 x2 and k x r contingency tables and chi-square test were also used. The most efficient variables for the identification of women at risk for osteoporosis were determined through multiple regression analysis. The previously described algorithms Osteorisk and Osiris were also applied. RESULTS: there were 88 (27.2%), 160 (49.4%), and 76 (49.4%) women among the normal, osteopenia, and osteoporosis groups, respectively. Mean age was 56, 60, and 65 years-old for the normal, osteopenia, and osteoporosis groups, respectively. Mean weight and height was 69.5 kg/1.60 m, 64.9 kg/1.59 m and 62.1 kg/1.57 m for the normal, osteopenia, and osteoporosis groups, respectively. Differences between these mean values were statistically significant. The number of years of menopause was higher in the osteoporosis group; contraceptive and hormone replacement therapy was less frequent in the osteoporosis group, as well as menopause. All women in the osteoporosis group were post-menopause, compared to 86% in the other groups. Women in the osteoporosis group had more previous fractures, reaching statistical significance. Using multiple regression, based on the main variables identified, we reached a formula considering age, weight, and height as the osteoporosis predicting model that was compared to the two algorithms Osteorisk and Osiris. CONCLUSION: among the variables studied, age and weight showed higher significance. Their combination in an algorithm showed better performance than either of the variables isolated. The inclusion of new variables did not increase the performance of the identification of osteoporotic women. The use of an algorithm with objective criteria makes it possible to better select candidates for bone densitometry analysis.
