บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างปัจจัยส่วนบุคคล เช่น เพศ อายุ ดัชนีมวลกาย (body mass index: BMI) การเจ็บป่วยด้วยโรคเรื้อรัง กับค่าความหนาแน่นของกระดูกสะโพก (bone mineral density: BMD) รวมถึงการทำนายภาวะกระดูกพรุนในประชากรที่มีอายุตั้งแต่ 50 ปีขึ้นไป การศึกษาใช้รูปแบบการวิจัยเชิงพรรณนาแบบภาคตัดขวาง (cross-sectional descriptive study) เก็บข้อมูลจากเวชระเบียนผู้ป่วยจำนวน 611 คน ที่ได้รับการตรวจ BMD ด้วยวิธี dual-energy X-ray absorptiometry (DXA) ระหว่างปี พ.ศ. 2564-2566 หาความสัมพันธ์โดยใช้การวิเคราะห์ทางสถิติ Pearson correlation, chi-square, multiple regression analysis, multiple logistic regression และทำนายความเสี่ยงของการเกิดภาวะกระดูกพรุนจากสมการ logistic regression ผลการวิจัย พบว่า ปัจจัยที่มีความสัมพันธ์อย่างมีนัยสำคัญต่อการเกิดภาวะกระดูกพรุนทั้ง 3 การทดสอบ ได้แก่ เพศหญิง (odds ratio: OR = 5.61, 95% confidence interval: CI 3.22-9.75, p < 0.001) อายุที่มากขึ้น (อายุ 71-80 ปี (OR = 7.87, 95% CI: 3.95-15.67, p < 0.001) อายุมากกว่า 80 ปี (OR = 8.60, 95% CI: 3.69-20.08, p < 0.001) BMI ที่ต่ำกว่าเกณฑ์ (OR = 4.68, 95% CI: 1.86-11.77, p = 0.001) การสูบบุหรี่ (OR = 4.20 (95% CI: 1.17-15.13, p = 0.028) การดื่มแอลกอฮอล์ (OR = 3.59, 95% CI: 1.48-8.70, p = 0.005) และผู้ที่เป็นโรคไตเรื้อรัง (OR = 7.05, 95% CI: 1.72-28.87, p = 0.007) เมื่อนำปัจจัยส่วนบุคคลมาสร้างตัวแบบพยากรณ์ทำนายความเสี่ยงของการเกิดภาวะกระดูกพรุน ด้วยวิธี multiple logistic regression โดยใช้สมการทำนาย osteoporosis และ osteopenia OST = −2.989 + 1.688 (Gender) + 1.920 (CKD) + 1.515 (Smoking) + 1.331 (Drinking) − 0.192 (BMI) ผู้ที่มีปัจจัยเสี่ยงดังกล่าวมีความน่าจะเป็นในการเกิดภาวะกระดูกพรุน ร้อยละ 28.9 การป้องกันภาวะกระดูกพรุนในระบบสุขภาพของไทยยังคงเป็นความท้าทาย โดยเฉพาะในกลุ่มผู้สูงอายุที่มีแนวโน้มเพิ่มขึ้น การศึกษานี้ชี้ให้เห็นว่าปัจจัยส่วนบุคคล เช่น เพศ อายุ ดัชนีมวลกาย โรคไตเรื้อรัง การสูบบุหรี่ และการดื่มแอลกอฮอล์ มีความสัมพันธ์กับการเกิดภาวะกระดูกพรุน สมการทำนายที่พัฒนาขึ้นสามารถนำไปใช้พัฒนาเครื่องมือช่วยคัดกรองความเสี่ยง เพื่อสนับสนุนการตัดสินใจทางคลินิกและเริ่มการป้องกันตั้งแต่ระยะแรก นอกจากนี้ การบูรณาการการคัดกรอง BMD เข้ากับระบบสุขภาพปฐมภูมิจะช่วยลดอัตราการเกิดภาวะกระดูกพรุนในกลุ่มเสี่ยงได้อย่างมีประสิทธิผล
บทคัดย่อ
Osteoporosis represents a significant health concern among the elderly population globally,
including Thailand, particularly among high-risk groups with personal and behavioral factors influencing
bone mineral density (BMD). This investigation aimed to examine the associations between personal
factors, such as gender, age, body mass index (BMI), and chronic diseases, and hip bone density (BMD),
as well as to develop a predictive model for osteoporosis in individuals aged 50 years and older. This
cross-sectional descriptive study utilized medical record data from 611 patients who underwent BMD
testing (dual-energy X-ray absorptiometry: DXA) between 2021 and 2023. Statistical analyses, including
Pearson correlation, chi-square, multiple regression analysis, and multiple logistic regression, were
employed to examine associations. Logistic regression was utilized to predict osteoporosis risk. Significant
factors associated with osteoporosis were identified, including female gender (OR = 5.605, 95% CI:
3.22–9.75, p < 0.001), advanced age (71–80 years: OR = 7.867, 95% CI: 3.95–15.67, p < 0.001; > 80 years:
OR = 8.604, 95% CI: 3.69–20.08, p < 0.001), lower BMI (OR = 4.680, 95% CI: 1.86–11.77, p = 0.001),
smoking (OR = 4.202, 95% CI: 1.17–15.13, p = 0.028), alcohol drinking (OR = 3.593, 95% CI: 1.48–8.70, p
= 0.005), and chronic kidney disease (CKD) (OR = 7.046, 95% CI: 1.72–28.87, p = 0.007). Multiple logistic
regression suggested the optimal model fit for osteoporosis and osteopenia: OST = −2.989 + 1.688
(Gender) + 1.920 (CKD) + 1.515 (Smoking) + 1.331 (Drinking) − 0.192 (BMI). Individuals exhibiting these risk
factors demonstrated a 28.9% probability of developing osteoporosis. The prevention of osteoporosis
remains a challenge within Thailand’s healthcare system, particularly among the expanding elderly
population. This study elucidates the significant associations of personal factors–such as gender, age,
BMI, CKD, smoking, and alcohol consumption–with osteoporosis. The developed predictive equation can
inform risk screening tools to support clinical decision-making and early prevention strategies. The
integration of BMD screening into primary healthcare systems could effectively reduce osteoporosis
incidence among high-risk groups.
