相关实验视频
Updated: Jun 7, 2025
08:47
Oral Health Assessment by Lay Personnel for Older Adults
Published on: February 2, 2020
12.6K
开发基于调查的堆叠组合预测模型,用于牙周病患者的自主偏好
So-Hae Oh1, Jae-Hong Lee1, Ji-Youn Hong2
1Department of Periodontology, College of Dentistry and Institute of Oral Bioscience, Jeonbuk National University, Jeonju, Korea; Research Institute of Clinical Medicine of Jeonbuk National University-Biomedical Research Institute of Jeonbuk National University Hospital, Jeonju, Korea.
Journal of dentistry
|November 20, 2024
概括
机器学习模型可以预测患者在牙周病患者拔牙后的自主偏好和满意度. 这项技术增强了个性化的决策,并提高了患者对牙周病的整体满意度.
科学领域:
- 牙周科 牙周科 牙周科
- 机器学习 机器学习
- 预测建模预测建模
背景情况:
- 了解患者的自主偏好 (AP) 和拔牙后的满意度 (STE) 对于个性化的牙周护理至关重要.
- 在牙周病学中,个性化决策改善了患者的结果和满意度.
研究的目的:
- 开发一种机器学习模型,用于预测病人的AP和STE在牙周科.
- 加强以患者为中心的护理和牙周治疗中的知情决策.
主要方法:
- 使用421名牙周病患者的数据开发了一种堆叠的整体机器学习模型.
- 预测模型包括随机森林, naive Bayes,梯度提升,适应性提升和 XGBoost.
- 患者数据包括人口统计,口腔健康状况,AP指数和STE.
主要成果:
- 在预测AP (0.78) 和STE (0.80) 中,XGBoost获得了最高的准确性.
- 高AP仅在7.6%的患者中观察到,随着年龄的增长而下降,并根据教育和治疗严重程度而有所不同.
- 大多数患者 (67.7%) 报告高STE,与准确预测的AP相关.
结论:
- 堆叠组合模型显示了改善牙周科中以患者为中心的护理的潜力.
- 机器学习有效地提高了个性化的决策和牙周治疗中的患者满意度.
- 需要进一步的研究来验证这些模型在不同的人群和临床环境中.
