あなたは歯科・医療関係者ですか?

WHITE CROSSは、歯科・医療現場で働く方を対象に、良質な歯科医療情報の提供を目的とした会員制サイトです。

日本語AIでPubMedを検索

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。
J Clin Periodontol.2020 Nov;47(11):1362-1370. doi: 10.1111/jcpe.13362.Epub 2020-09-28.

歯周病期分類システムを用いた歯周損失予測のためのノモグラムの開発。長期コホート研究

Development of a nomogram for the prediction of periodontal tooth loss using the staging and grading system: A long-term cohort study.

  • Andrea Ravidà
  • Giuseppe Troiano
  • Musa Qazi
  • Muhammad H A Saleh
  • Lucio Lo Russo
  • Henry Greenwell
  • William V Giannobile
  • Hom-Lay Wang
PMID: 32886408 DOI: 10.1111/jcpe.13362.

抄録

AIM:

歯周病の新しい分類からのパラメータを含む多変量予測モデルに基づいて構築されたノモグラムを開発し、内部的に検証することで、ベースラインで歯周病による歯の喪失(TLP)の発生を予測することができる。

AIM: To develop and internally validate a nomogram built on a multivariate prediction model including parameters from the new classification of periodontal diseases, able to predict, at baseline, the occurrence of tooth loss due to periodontal reason (TLP).

材料と方法:

本研究では、歯周病と診断され、年1回以上の歯周病治療を受けている315名の患者を対象とした。患者はベースラインデータに基づいて病期分類され、グレード分けされた。集団は、モデルの時間的検証を可能にするために、開発コホート(254人)と検証コホート(61人)に分けた。10年後の追跡調査時のTLPにより、患者は「歯の喪失が少ない」(TLP≦1)または「歯の喪失が多い」(TLP≧2)に分類された。ブートストラップ内部検証は、パフォーマンスの楽観度補正された推定値を計算するために、データセット全体で実施されました。

MATERIALS AND METHODS: A total of 315 individuals diagnosed with periodontal disease and receiving a minimum of one annual supportive periodontal therapy visit were included in the study. Patients were staged and graded based upon baseline data. The population was divided into a development (254 patients) and a validation (61 patients) cohort to allow subsequent temporal validation of the model. According to the TLP at the 10-year follow-up, patients were categorized as "low tooth loss" (≤ 1 TLP) or "high tooth loss" (≥ 2 TLP). Bootstrap internal validation was performed on the whole data set to calculate an optimism-corrected estimate of performance.

結果:

生成されたノモグラムは強い予測能力(AUC=0.81)を示し、切片=0、傾き=1と良好なキャリブレーションを示した。これらの知見は、ブートストラップを用いた内部検証によって確認された(平均ブートストラップAUC=0.83)。

RESULTS: The generated nomogram showed a strong predictive capability (AUC = 0.81) and good calibration with an intercept = 0 and slope = 1. These findings were confirmed by internal validation using bootstrapping (average bootstrap AUC = 0.83).

結論:

現在のノモグラムの臨床的な実施は、個別化されたケアのために、疾患の進行とその後の歯の喪失のリスクが高い患者の予測をガイドしています。

CONCLUSIONS: The clinical implementation of the present nomogram guides the prediction of patients with high risk of disease progression and subsequent tooth loss for personalized care.

© 2020 John Wiley & Sons A/S. Published by John Wiley & Sons Ltd.