機械学習を用いた歯科受診遅延の分類：国民健康調査分析

科学分野:

• 公衆衛生
• 医療サービス研究
• 健康の公平性

背景:

• 歯科受診遅延は口腔衛生問題の悪化を招き、より広範な医療アクセス格差を反映しています。
• 口腔衛生の不平等を是正するためには、歯科受診遅延の有病率と要因を理解することが不可欠です。

研究 の 目的:

• 米国成人における12ヶ月間の歯科受診遅延の有病率を推定すること。
• 人口統計学的および社会経済的グループ間の歯科受診遅延における格差を特定すること。
• リスクのある個人を特定するための機械学習（ML）の有用性を評価すること。

主な方法:

• 2023年国民健康調査（NHIS）サンプル成人ファイル（N=54,927）の横断的分析。
• 年齢、性別、教育、保険加入状況、人種/民族別の記述統計。
• 精度、適合率、再現率、F1スコア、AUC、および解釈可能性のためのSHAPを使用した機械学習分類器（LightGBM）の開発と評価。

主要な成果:

• 米国成人の14.5％が過去1年間に歯科受診遅延を報告しました。
• 35〜64歳、黒人/アフリカ系アメリカ人、多民族、および教育水準が低い成人で、受診遅延率が高いことが観察されました。
• 歯科保険がないことは、受診遅延の可能性を大幅に高めました。LightGBMは84.87％の精度を達成し、教育、所得貧困比、保険加入状況が主要な予測因子でした。

結論:

• 歯科受診遅延は蔓延しており、特定の人口統計学的および社会経済的グループに不均衡に影響を与えています。
• 解釈可能なMLモデルは、標的介入のためのリスク層化に役立ちます。
• 不平等を軽減するために、歯科治療の適用範囲を拡大し、経済的障壁を減らす政策が推奨されます。