RIP-score (Recurrent Instability of the Patella)

Klinisk bakgrunn

Etter en første lateral patellaluksasjon får omtrent en tredjedel av pasientene residiv, og andelen kan være enda høyere hos unge med åpne vekstsoner og trokleadysplasi [2]. Beslutningen som står i fokus, er om pasienten skal behandles konservativt eller tilbys tidlig stabiliserende kirurgi, først og fremst rekonstruksjon av det mediale patellofemorale ligamentet (MPFL). Uten et strukturert verktøy for risikovurdering har beslutningen en tendens til å bygge på enkeltfaktorer i stedet for på den samlede risikoprofilen, og høyrisikopasienter kan forbli uidentifisert helt til de allerede har hatt flere luksasjoner med akkumulerende bruskskade som følge [4].

RIP-skåren ble utviklet nettopp for å gi en kvantitativ, langsiktig risikoprognose etter den første luksasjonen, med særlig fokus på å identifisere pasienter med så høy residivrisiko at tidlig kirurgi bør vurderes [1].

Beregning av RIP

RIP-skåren beregnes som summen av fire variabler:

$$\text{RIP} = \text{alder} + \text{skjelettal umodenhet} + \text{trokleadysplasi} + \text{TT-TG/PL}$$

der:

• Alder ved første luksasjon: $\geq 25$ år gir 0 poeng, $< 25$ år gir 2 poeng
• Skjelettal umodenhet (åpne vekstsoner): Nei gir 0 poeng, Ja gir 1 poeng
• Trokleadysplasi (Dejour A-D): Nei gir 0 poeng, Ja gir 1 poeng. Som surrogat kan man også bruke lateral trokleainklinasjon $< 11^\circ$ eller trokleadybde $< 3$ mm på MR
• TT-TG / patellalengde-kvotient: $< 0{,}5$ gir 0 poeng, $\geq 0{,}5$ gir 1 poeng

Poengintervallet er 0 til 5.

Utviklingskohorten besto av 81 pasienter (gjennomsnittsalder 19,9 år, 38 menn, 43 kvinner) med en første lateral patellaluksasjon, identifisert i en geografisk database som omfattet mer enn 500 000 pasienter ved Mayo Clinic mellom 1990 og 2010. Pasientene ble fulgt i gjennomsnitt 10,1 år (intervall 4,1 til 20,2). I løpet av oppfølgingen fikk 38 pasienter (46,9%) residiverende instabilitet, og 30 (37,0%) gjennomgikk patellastabiliserende kirurgi, hvorav 7 før noen residivluksasjon hadde inntruffet. Modellen bygger på competing risk-regresjon (Fine og Gray) for å ta hensyn til at tidlig kirurgi kan forhindre residiv og dermed sensurere utfallet [1].

Tolkning i praksis

RIP-skåren deler pasientene inn i tre risikobånd med tydelig forskjellig 10-årsrisiko for residiv, utledet fra den opprinnelige kohorten [1]:

Den skarpe separasjonen mellom lav og høy risiko er skårens viktigste styrke: ingen pasient i lavrisikogruppen i utviklingskohorten fikk residiv i løpet av 10 års oppfølging, mens nesten fire av fem i høyrisikogruppen gjorde det [1].

Validering og ytelse

I utviklingskohorten oppnådde RIP-skåren en AUC på 0,875 ($P = 0{,}00002$) for prediksjon av 10-årsresidiv, med en statistisk signifikant differensiering mellom risikobåndene ($P = 0{,}000004$) [1].

Den eneste publiserte eksterne valideringen er en kinesisk studie fra 2023 av Yu et al., som sammenlignet RIP med to andre prediksjonsmodeller (Patellar Instability Severity Score, PIS, og Patellar Instability Probability Calculator, PIP) i en kohort på 171 pasienter med residiverende luksasjon og 171 kontroller med meniskskader [3]. I denne populasjonen sank RIP-skårens AUC til 0,673, med en sensitivitet på 56,1% og en spesifisitet på 68,4%. Positiv prediktiv verdi var 64% og negativ 60,9%. Til sammenligning presterte PIS betydelig bedre i samme kohort, med en AUC på 0,866, sensitivitet 83,6% og spesifisitet 93,6% [3].

Det kraftige fallet i diskriminasjon mellom utvikling og ekstern validering kan ha flere forklaringer. Valideringsstudien brukte et kasus-kontroll-design der kontrollgruppen besto av meniskpasienter, ikke av pasienter som hadde gjennomgått en første luksasjon uten residiv, noe som ikke gjenspeiler den kliniske situasjonen skåren er ment å brukes i. Kohorten var også eldre og hadde en annen kjønnsfordeling enn utviklingskohorten. Til tross for disse metodologiske forbeholdene er resultatene et tydelig tegn på at RIP-skårens ytelse ikke er blitt reprodusert i en uavhengig populasjon [3].

En systematisk oversikt og metaanalyse fra 2020 bekrefter imidlertid at de fire variablene som inngår i RIP-skåren, er de best underbygde risikofaktorene for residiv: lavere alder (OR 2,61), åpne vekstsoner (OR 2,72), trokleadysplasi (OR 4,15) og forhøyet TT-TG (OR 2,87) [2]. Metaanalysen fant også at patella alta (OR 2,38) var en signifikant risikofaktor, noe som ikke inngår i RIP-skåren, og at kjønn og kontralateral luksasjon ikke var assosiert med økt residivrisiko [2].

En annen multivariabel modell, utviklet av Ling et al. i 2021 på 291 pasienter fra fire institusjoner, inkluderte sju variabler og oppnådde en AUC på 0,71, men forfatterne angir eksplisitt at modellen ikke bør brukes klinisk før prospektiv validering er gjennomført [5].

Begrensninger

Utviklingskohorten er liten, med 81 pasienter, hvorav bare 7 i høyrisikogruppen hadde gjennomgått tidlig kirurgi før residiv. Dette begrenser den statistiske sikkerheten i de enkelte risikobåndene, særlig for det høyeste båndet.

RIP-skåren krever avansert bildediagnostikk. TT-TG/PL-kvotienten krever MR eller CT med mulighet til å måle både avstanden mellom tuberositas tibiae og trochlear groove og patellalengden i samme undersøkelse. Trokleadysplasi klassifiseres etter Dejour, noe som forutsetter tilgang til radiolog med erfaring i patellofemoral anatomi. Skåren er dermed ikke anvendelig på akuttmottaket uten tilgang til disse modalitetene.

Skåren gjelder bare for lateral patellaluksasjon etter en første episode. Pasienter med residiverende luksasjon, konstitusjonell hypermobilitet eller underliggende nevrologisk sykdom falt utenfor utviklingskohorten. Pasienter med osteokondrale frakturer eller løse legemer ved første luksasjon har en separat kirurgisk indikasjon uavhengig av RIP-poeng og bør ikke vurderes med instrumentet [4].

Den eksterne valideringen viser at RIP-skåren i sin nåværende form har begrenset diskriminerende evne i populasjoner som skiller seg fra utviklingskohorten [3]. Klinikere bør være tilbakeholdne med å ta kirurgiske beslutninger utelukkende på grunnlag av RIP-skåren, særlig i det moderate risikobåndet der beslutningen er mest usikker.

Kilder

1. Hevesi M, Heidenreich MJ, Camp CL, Hewett TE, Stuart MJ, Dahm DL, Krych AJ. The Recurrent Instability of the Patella Score: A Statistically Based Model for Prediction of Long-Term Recurrence Risk After First-Time Dislocation. Arthroscopy 2019;35(2):537-543. PMID: 30612768
2. Huntington LS, Webster KE, Devitt BM, Scanlon JP, Feller JA. Factors Associated With an Increased Risk of Recurrence After a First-Time Patellar Dislocation: A Systematic Review and Meta-analysis. Am J Sports Med 2020;48(10):2552-2562. PMID: 31825650
3. Yu J, Li Y, Zhang K, Yang R, Yang X, Gong M, Long C, Fu W. The accuracy of multiple regression models for predicting the individual risk of recurrent lateral patellar dislocation. BMC Musculoskelet Disord 2023;24(1):948. PMID: 38057697
4. Dennis ER, Gruber S, Marmor WA, Shubin Stein BE. Evaluation and management of patellar instability. Ann Jt 2022;7:2. PMID: 38529132
5. Ling DI, Brady JM, Arendt E, Tompkins M, Agel J, Askenberger M, Balcarek P, Parikh S, Shubin Stein BE. Development of a Multivariable Model Based on Individual Risk Factors for Recurrent Lateral Patellar Dislocation. J Bone Joint Surg Am 2021;103(7):586-592. PMID: 33787553