显著牙周病进展的预测模型:一个大规模的队列研究
1Georgios S. Chatzopoulos DDS, MS Department of Developmental and Surgical Sciences, Division of Periodontology, School of Dentistry, University of Minnesota, 515 Delaware Street SE, Minneapolis, MN,55455, USA chatz005@umn.edu.
Medicina oral, patologia oral y cirugia bucal
|October 18, 2025
概括
一个机器学习模型使用电子健康记录准确地预测牙周病的进展. 关键的风险因素包括最初的疾病严重程度,吸烟,年龄和糖尿病,使个性化患者护理成为可能.
科学领域:
- 牙周病学 牙周病学
- 医疗保健中的机器学习
- 预测分析是一种预测分析.
背景情况:
- 牙周炎的进展很难预测.
- 电子健康记录 (EHR) 是一个有价值的数据来源.
- 识别高风险患者对于及时干预至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测牙周病的重大进展.
- 确定疾病进展的关键临床和人口预测因素.
主要方法:
- 对4117名患者进行了回顾性队列研究,具有纵向牙周数据.
- 随机森林分类器根据基线数据 (人口统计,吸烟,系统状况,牙周测量) 进行训练.
- 主要结局:显著的进展定义为平均临床依恋水平 (CAL) 恶化≥1mm超过≥24个月.
主要成果:
- 28.0%的患者在34.7个月的平均随访期间出现了显著的进展.
- 随机森林模型实现了AUC-ROC为0.82,准确率为81.6%,回忆率为79.2%.
- 确定了关键预测因素:基线平均CAL,吸烟状态,年龄和糖尿病.
结论:
- 机器学习有效地使用现实世界EHR数据预测牙周病的进展.
- 最初的疾病严重程度,吸烟,年龄和糖尿病是关键的危险因素.
- 该模型显示了个性化牙周治疗策略的潜力.
