法医学活体年龄推断主要根据骨骼发育过程中继发骨化中心出现及骨骺闭合的先后顺序综合判断。锁骨胸骨端是人体各大关节中继发骨化中心出现及骨骺闭合最晚的部位。近年来，薄层计算机体层扫描（thin-section computed tomography）技术与青少年锁骨胸骨端骨骺发育过程相结合的研究备受国内外学者的青睐[1-3]。另外，骨骼发育除与遗传、种族等因素有关外，还与身高、体质量以及地区等因素相关。因此，有必要构建我国不同地区人群骨龄研究数据库，为更准确地评估骨龄提供客观依据。

一直以来，我国青少年犯罪问题较为突出，而青少年犯罪嫌疑人是否达到刑事责任年龄，与法庭审理及定罪量刑密切相关。基于我国基本国情，青少年犯罪嫌疑人的年龄易受主、客观因素影响。因此，在刑事侦查及司法审判中对于真实年龄存疑的青少年，往往需要法医对其年龄进行推断[4]。基于此，本研究以山西人群为主要研究对象，基于薄层计算机体层扫描及图像重组技术构建山西省青少年锁骨胸骨端骨龄数学模型，旨在提供更多客观数据，以进一步提高骨龄推断的准确性。

1 材料与方法

1.1 研究对象

收集2018年1月至2019年12月15.0～＜24.0周岁454例山西省健康个体的胸锁关节薄层计算机体层扫描图像，用于构建锁骨胸骨端骨龄数学模型，其中男性238例，女性216例，按1岁分组后的人群分布见表1。另收集108例胸锁关节CT图像用于模型外部验证，男、女性各54例（每年龄段6例）。

表1 不同性别年龄组人群分布Tab.1 Population distribution of different gender and age groups （例）合计23 40 51 54 58 60 50 62 56 454年龄段/岁15.00～＜16.00 16.00～＜17.00 17.00～＜18.00 18.00～＜19.00 19.00～＜20.00 20.00～＜21.00 21.00～＜22.00 22.00～＜23.00 23.00～＜24.00合计男性10 20 30 28 27 33 21 35 34 238女性13 20 21 26 31 27 29 27 22 216

纳入标准：以“国人正常身高、体质量范围调查表”[5]为准，选择身体健康、营养状况良好的个体为研究对象。

排除标准：参加特殊文体训练者，服用影响骨骼发育药物史者，曾有影响骨骼发育疾病史或外伤史者[5]。

本研究所有研究对象均签署知情同意书，符合有关医学伦理要求。

1.2 方法

1.2.1 计算机体层成像扫描参数

采用TOSHIBA（Aquilion one）320排多层螺旋CT机（日本东芝公司），层厚1.0mm，层距1.0mm，管电压120kV，管电流300mA。研究对象采取头进仰卧位平躺于CT床架上进行CT扫描。

1.2.2 观测指标

将锁骨胸骨端薄层计算机体层扫描图像按照年龄升序排列，使用Carestream Vue PACS阅片软件（GCPACS ，中国锐轲公司）分析图像（包括横断面和冠状面）中骨骺发育形态，观察双侧锁骨胸骨端继发骨化中心是否出现、初期出现的形态与位置。选取0.5mm重建图像（骨窗像）导入Vital后处理工作站Vitrea?Version 6.7.2（日本Toshiba公司），进行容积再现（volume rendering，VR），由研究人员选取锁骨胸骨端干骺端及其骨骺，测量锁骨胸骨端骨骺最长径（cm）、干骺端最长径（cm）及双侧骨骺面积（cm2）、干骺端面积（cm2）（图1）。然后，分别计算双侧骨骺最长径与干骺端最长径之比（右侧用x1表示、左侧用x2表示）、骨骺面积与干骺端面积之比（右侧用x3表示、左侧用x4表示）[5-6]。

图1 锁骨胸骨端VR图像的测量示意图Fig.1 Measurement diagram of VR image of extremitas sternalis of claviclea为骨骺面积，b为干骺端面积，cd为骨骺最长径，ef为干骺端最长径。

1.2.3 测量方法的一致性检验

使用组内相关系数（intraclass correlation coefficient，ICC）检验由放射科医师及技师在不同时间测量骨骺数据的一致性[6]。随机抽选54例研究对象（每组6例，含验证样本），由研究者A和B分别对其进行测量，将两者测量数据进行ICC检验，ICC值越趋于1，表明不同研究者的测量结果一致。

1.2.4 统计学分析

使用SPSS 24.0（美国IBM公司）及R 3.4.3软件对数据进行统计学分析。采用独立样本t检验分析x1、x2、x3、x4在性别间差异性，采用单因素方差分析检验两性别在各年龄组之间的差异性。使用配对t检验分别比较男性及女性x1和x2、x3和x4之间的差异性，明确双侧锁骨胸骨端骨骺发育是否一致。使用Pearson相关性分析分析骨龄（y）与x1、x2、x3及x4的相关性（相关系数r＞0.7被认为两者相关性较强）。分别利用x1和x2，x3和x4，x1、x2、x3和x4构建多元线性回归数学模型，将样本回代入模型计算内部验证准确性（±1岁）。最后，将108例验证样本代入多元回归模型计算外部验证准确性（±1岁）。检验水准α=0.05。使用R 3.4.3软件的RandomForest包分别对男女性样本建立随机森林的判别模型，对18.0周岁及以上（≥18.00周岁）和未满18.0周岁（＜18.00周岁）的个体进行判别分析，并将108例样本作为外部验证样本验证判别模型的准确率。

上一篇：深刻领会三篇光辉文献的核心要义
下一篇：没有了