BMD与骨质疏松等因素进行了变量分组，并将这些变量融入模型中，从而分析调整后的模型是否能够帮助人们更好地预测ASCVD的发作风险比率。数据分析显示，当综合考虑BMD与骨质疏松变量以及传统因素变量后，参与者显示出更高的ASCVD发作风险。

        风险因素加入BMD与骨质疏松症后的ASCVD发作风险比率

        为了验证BMD与骨质疏松症的加入是否能够帮助人们更好地预测ASCVD的发作，研究人员建立了单一年龄模型(Model1)、传统风险因素模型(Model 2)、BMD模型(Model 3)以及骨质疏松症模型(Model 4)四种预测模型，并采取逐渐叠加变量的形式进行两两比较，以此来判断哪一款模型在预测ASCVD时最优。

        所得数据显示，Model 2 要比 Model 1的预测效果更好，Model 3 在预测时要比 Model 2 更有效，同样，Model 4 的预测效果也比Model 2 的更好。

        4组模型的预测表现数据对比

        在进一步试验中，研究人员将Model 4 中的骨质疏松症明确为髋关节骨质疏松，并将其与ASCVD 10年风险数值预测模型进行比较，结果显示，Model 4 更胜一筹，展现了更优的预测能力。这说明，当BMD或者骨质疏松症加入至风险因素进行预测时，确实会比传统的预测模型得到更好的预测效果。

        ASCVD风险数值模型与 BMD Model 4 模型对ASCVD发作预测的对比

        首尔大学的这一研究成果证实了女性低骨密度与患心血管疾病存在密切关系，但是需要注意的时，两者究竟存在怎样的因果关系还有待进一步的研究证明。不过，通过这项研究，或许会为关爱与治疗女性心血管疾病方面打开新的突破口。