髋部脆性骨折是骨质疏松症的最严重并发症之一，2000年全世界脆性髋部骨折人数约为150万，而据估计到2050年这一数字将达到626万，其中亚洲将占50％以上［1］。我国髋部骨折发病率呈上升趋势，2002至2006年髋部骨折发病率约每年增加10％［2］。由于患者高龄、常合并多种内科疾病和手术拖延，具有较高的病死率［3-4］。已知髋部骨折的危险因子有骨密度低下和髋部几何结构改变等，股骨颈骨密度每降低一个标准差，髋部骨折风险增加2.6倍。股骨近端结构的髋轴长、颈轴长、颈宽度、颈干角、皮质厚度与髋部骨折相关［5-7］。髋部骨折可分为股骨颈骨折和股骨转子间骨折，股骨颈位于关节囊内，转子间位于关节囊外，转子间具有比股骨颈多的松质骨，因此，股骨颈骨折和股骨转子间骨折可能具有不同的发生骨折机制。上述危险因素对不同类型的髋部骨折影响是否一样？本研究利用双能X线吸收测定法（ dual energy x-ray absorptiometry， DXA）髋关节结构分析系统（ hip structure analysis， HSA），对两种类型髋部骨折的骨密度与结构参数进行比较。
结构方程模型(structural equation modeling,SEM)又称为协方差结构分析(covariance structure analysis),是应用数理统计的一个重要方向, 近十年来,作为一种对复杂的多变量关系进行研究的手段, 被越来越多地运用于社会科学(包括行为科学、新闻学等)、经济学、市场营销学、医学和教育学等领域.
80年代初，在各专业杂志上发表的问卷和实地调查报告中研究者大多数采用平均数差异检验、相关分析或因素分析等传统方法进行统计分析。后来，回归分析、路径分析等方法的使用逐渐增多。近十年来，作为一种对复杂的多变量关系进行研究的手段，结构方程模型(Structural Equation Modeling,SEM)被越来越多地运用于社会和行为科学的研究之中［1］。 结构方程模型是一种复杂的因果模型，又称协方差结构分析(covariance structure analysis)因果模型(causal modeling)。结构方程模型需要我们首先提出多个自变量和因变量之间、多个自变量相互之间因果关系的假设，建立变量关系的模型。然后根据从现场调查中得到的数据组成各变量之间的相关矩阵，根据这个矩阵来对模型进行比较和评估，如果变量之间的关系与从模型中得出的关系一致时，我们就可以说模型被验证了［2］。
