術後合併症と早期インプラント不全のための高度な予測モデル

An advanced prediction model for postoperative complications and early implant failure.

• Balazs Feher
• Stefan Lettner
• Georg Heinze
• Florian Karg
• Christian Ulm
• Reinhard Gruber
• Ulrike Kuchler

抄録

目的:

インプラント歯科におけるリスク予測には、複数のインプラントを有する患者からの観察に依存していることや、まれな転帰イベントがあることなど、特有の課題がある。本研究の目的は、罰則付き回帰に基づく高度な統計的手法を用いて、インプラント歯科におけるリスク要因を評価することであった。

OBJECTIVES: Risk prediction in implant dentistry presents specific challenges including the dependence of observations from patients with multiple implants and rare outcome events. The aim of this study was to use advanced statistical methods based on penalized regression to assess risk factors in implant dentistry.

材料および方法:

2016年1月から2018年11月までの間に、出血、血腫、局所感染、神経損傷などの術後合併症、および早期のインプラント不全を含む術後合併症を記録したレトロスペクティブ研究を実施した。さらに、喫煙や糖尿病を含む患者とインプラントに関連する危険因子、およびギャップの種類や手術手技などの治療パラメータを評価した。予測因子効果を評価するために一変量および多変量の一般化推定式（GEE）モデルを推定し、L1ペナルティ付き推定（LASSO）を用いて予測モデルを適合させた。

MATERIAL AND METHODS: We conducted a retrospective study from January 2016 to November 2018 recording postoperative complications including bleeding, hematoma, local infection, and nerve damage, as well as early implant failure. We further assessed patient- and implant-related risk factors including smoking and diabetes, as well as treatment parameters including types of gaps and surgical procedures. Univariable and multivariable generalized estimating equation (GEE) models were estimated to assess predictor effects, and a prediction model was fitted using L1 penalized estimation (lasso).

結果:

合計1,132例（平均年齢50.6±16.5歳、女性55.4％）、2,413本のインプラントにおいて、71例に術後合併症が発生した。16本のインプラントは装填前に喪失した。多変量GEEモデルでは、糖尿病（p=0.006）と骨補綴（p=0.039）のいずれかの合併症のリスクが高いことが示された。このモデルはさらに、骨増大術では局所感染のリスクが高く（p = 0.003）、糖尿病（p = 0.007）と無歯顎（p = 0.024）では血腫形成のリスクが高くなることを明らかにした。lassoモデルでは、予測モデルに危険因子は選択されなかった。

RESULTS: In a total of 1,132 patients (mean age: 50.6 ± 16.5 years, 55.4% female) and 2,413 implants, postoperative complications occurred in 71 patients. Sixteen implants were lost prior to loading. Multivariable GEE models showed a higher risk of any complication for diabetes mellitus (p = 0.006) and bone augmentation (p = 0.039). The models further revealed a higher risk of local infection for bone augmentation (p = 0.003), and a higher risk of hematoma formation for diabetes mellitus (p = 0.007) and edentulous jaws (p = 0.024). The lasso model did not select any risk factors into the prediction model.

結論:

インプラント歯科におけるリスク予測の特殊な課題に取り組むのに適した新しい方法論を用いて、リスク因子と転帰との関連性を確実に推定することができた。

CONCLUSIONS: Using novel methodology well-suited to tackle the specific challenges of risk prediction in implant dentistry, we were able to reliably estimate associations of risk factors with outcomes.

This article is protected by copyright. All rights reserved.