一种混合无监督集群方法,用于预测牙植入物损失的风险
Chenxi Xie1, Yuzhou Li1, Kehao Liu2
1The Affiliated Stomatological Hospital of Chongqing Medical University, Chongqing, 401147, PR China; Chongqing Key Laboratory of Oral Diseases, Chongqing, 401147, PR China; Chongqing Municipal Key Laboratory of Oral Biomedical Engineering of Higher Education, Chongqing, 401147, PR China.
Journal of dentistry
|August 3, 2024
概括
这项研究使用聚类和生存分析确定了牙植入物损失的六个高风险因素. 这些因素有助于预测植入物预后,并改善患者的治疗结果.
科学领域:
- 牙科植入物学 牙科植入物学
- 生物统计学 生物统计学
- 医疗保健中的机器学习
背景情况:
- 牙科植入物存活率对于患者的治疗结果至关重要.
- 预测植入物损失需要了解相关的临床特征.
- 现有的方法可能无法完全捕捉复杂的风险因素.
研究的目的:
- 通过聚类与植入物存活相关的特征来预测牙植入物损失的风险.
- 确定导致牙植入物失败的高风险临床因素.
- 开发一个视觉模型来评估牙植入物预后.
主要方法:
- 从8513名接受单次植入物安置的患者的临床特征的回顾性分析.
- 混合方法将无监督学习 (两步集群) 与生存分析 (Cox回归,Kaplan-Meier) 整合起来.
- 基于时间分层的多变量考克斯回归构建名图,以预测植入物损失风险.
主要成果:
- 确定了六个不同的集群,预后各不相同.
- 确定了六种植入物损失的高风险因素:年龄,吸烟,植入物直径,长度,位置和手术程序.
- 诺米图表显示了在不同时间间隔 (0-120,120-310,>310天) 中对植入物损失的预测能力,一致性指数为0.642,0.781和0.715.
结论:
- 混合无监督集群方法有效地识别了牙植入物损失的高风险特征.
- 开发的诺米图为预测植入物预后提供了一个视觉工具.
- 建议通过前性多中心研究进一步验证.
