ЛОГІСТИЧНІ СКРИНІНГОВІ МОДЕЛІ ДЛЯ ПРОГНОЗУВАННЯ ВИНИКНЕННЯ ПРИШИЙКОВИХ УРАЖЕНЬ ЗУБІВ

Автор(и)

  • І.І. Заболотна Донецький національний медичний університет http://orcid.org/0000-0002-3284-0392
  • Т.Л. Богданова Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» http://orcid.org/0000-0001-5501-132X

DOI:

https://doi.org/10.35220/2523-420X/2026.3.7

Ключові слова:

карієс, ерозія, ротова рідина, тріщини, профілактика, предиктори

Анотація

Розробити логістичні скринінгові моделі прогнозування ризику виникнення пришийкових уражень зубів у пацієнтів молодого віку. Методи дослідження. Було проведено обстеження та анкетування 272 пацієнтів (середній вік 24,3±6,9 роки). Методом логістичного регресійного аналізу у них було визначено незалежні предиктори виникнення клиновидного дефекту (КД), пришийкового карієсу (ПК) та ерозії (Е) емалі зубів. Для моделювання прогнозу була обрана логістична регресія, реалізована на мові програмування Python із застосуванням бібліотек scikitlearn. У звʼязку з різною поширеністю пришийкових уражень зубів було використано балансування класів (class_weight=»balanced»). Для оцінки моделей було розраховано Receiver Operating Characteristic curve- Area under the curve (ROC-AUC). Наукова новизна. Провідними незалежними предикторами КД було визначено рецесію ясен і надмірний тиск на зубну щітку, ПК – звичку вживати чай з додаванням лимону та патологічний вид прикусу, Е емалі – наявність тріщин емалі на вестибулярній поверхні зубів та оклюзійної стертості. Аналіз ефективності логістичної моделі прогнозування КД зубів показав максимальну чутливість (recall=1,00) і помірну, але недостатню дискрімінаційну здатність (ROC-AUC=0,677), що відповідає задовільному рівню розділення класів. Модель прогнозування ПК зубів також продемонструвала високу recall=0,98 та дискрімінаційну здатність (ROC-AUC=0,651), що є прийнятним для інструментів раннього скринінгу, метою яких є мінімізація хибнонегативних результатів. Модель прогнозування Е емалі зубів показала recall=0,87 та ROC-AUC=0,604, що свідчить про недостатню дискримінаційну здатність в умовах обмеженої підвибірки. Отримання деяких предикторів з відʼємними коефіцієнтами у моделі прогнозування ПК зумовлено обмеженнями лінійного підходу логістичної регресії та особливостями досліджуваної вибірки. Висновки. Розроблені логістичні моделі можуть бути використані лікарем-стоматологом для оцінки індивідуального ризику виникнення КД, ПК та Е емалі зубів у пацієнтів молодого віку і визначення найбільш значущих предикторів з подальшою їх корекцією

Посилання

Li, Y., Xiang, Y., Ren, H., Zhang, C., Hu, Z., Leng, W., & Xia, L. (2024). Association between periodontitis and dental caries: a systematic review and meta-analysis. Clin Oral Investig, 28 (6), 306. https://doi.org/ 10.1007/s00784-024-05687-2

Alsubai, S. (2023). Enhancing prediction of tooth caries using significant features and multi-model classifier. PeerJ Comput Sci, 9, e1631. https://doi.org/ 10.7717/peerj-cs.1631

Kong, W., Ma, H., Qiao, F., Xiao, M., Wang, L.,Zhou, L., Chen, Y., Liu, J., Wang, Y., & Wu, L. (2024). Risk factors for noncarious cervical lesions: A case-control study. J Oral Rehabil, 51 (9), 1684–1691. https://doi.org/10.1111/joor.13772

Ogwo, C., Brown, G., Warren, J., Caplan, D., & Levy, S. (2024). Predicting dental caries outcomes in young adults using machine learning approach. BMC Oral Health, 24 (1), 529. https://doi.org/ 10.1186/s12903-024-04294-7

Hayes, M., Da Mata, C., McKenna, G., Burke, F.M., & Allen, P.F. (2017). Evaluation of the Cariogram for root caries prediction. J Dent, 62, 25–30. https://doi.org/10.1016/j.jdent.2017.04.010

Havsed, K., Hänsel Petersson, G., Isberg, P.E., Pigg, M., Svensäter, G., Foresight Research Consortium; & Rohlin, M. (2023). Multivariable prediction models of caries increment: a systematic review and critical appraisal. Syst Rev, 12 (1), 202. https://doi.org/ 10.1186/s13643-023-02298-y

Levrini, L., Di Benedetto, G., & Raspanti, M. (2014). Dental wear: A scanning electron microscope study. BioMed Research International, 10, Article ID 340425. https://doi.org/ 10.1155/ 2014/ 340425

Zabolotna, I.I., Bogdanova, T.L., Potapov, Yu.O., & Genzytska, O.S. (2023). Сorrelation of dentine hypersensitivity (DH) with manifestations of psycho-emotional stress, its features in patients with cervical teeth pathology. Protet Stomatol, 73 (2), 97–110. https://doi.org/ 10.5114/ps/ 168064

Chavance, M., Escolano, S., Romon, M., Basdevant, A., de Lauzon-Guillain, B., & Charles, M.A. (2010). Latent variables and structural equation models for longitudinal relationships: an illustration in nutritional epidemiology. BMC Med Res Methodol, 10, 37. https://doi.org/ 10.1186/ 1471-2288-10-37

Deng, K., Zonta, F., Yang, H., Pelekos, G., & Tonetti, M.S. (2024). Development of a machine learning multiclass screening tool for periodontal health status based on non-clinical parameters and salivary biomarkers. J Clin Periodontol, 51 (12), 1547–1560. https://doi.org/10.1111/jcpe.13856

Ramsay, D.S., Marilynn Rothen, M., Scott, J., & Cunha-Cruz, J. (2015). Tooth wear and the role of salivary measures in general practice patients. Clin Oral Investig, 19 (1), 85–95. https://doi.org/ 10.1007/s00784-014-1223-4

Gao, X., Jiang, S., Koh, D., & Hsu, C.Y. (2016). Salivary biomarkers for dental caries. Periodontol 2000, 70 (1), 128–141. https://doi.org/ 10.1111/prd.12100

Ibrahim, M.O. (2021). Dietary habits, eating practices and DMFT index among adults attending dental clinics in Amman, Jordan. Nutr Clín Diet Hosp, 41 (4), 48–54. https://doi.org/ 10.12873/ 414mohammed

Southward, K. (2015). A hypothetical role for vitamin K2 in the endocrine and exocrine aspects of dental caries. Med Hypotheses, 84 (3), 276–280. https://doi.org/10.1016/j.mehy.2015.01.011

Dioguardi, M., Polverari, D., Spirito. F., Iacovelli, G., Sovereto. D., Laneve, E., Caloro, G.A., Ballini, A., & Lo Muzio, L. (2023). Introspection of the Etiopathological Mechanisms Underlying Noncarious Cervical Lesions: Analysis of the Different Theories and Their Impact on the Mineralized Structures of the Tooth. Int J Dent, 2023, 8838314. https://doi.org/ 10.1155/ 2023/ 8838314

Femiano, F., Femiano, R., Femiano, L., Festa, V.M., Rullo, R., & Perillo, L. (2015). Noncarious cervical lesions: correlation between abfraction and wear facets in permanent dentition. Open Journal of Stomatology, 5, 152–157. https://doi.org/ 10.4236/ojst.2015.56021

##submission.downloads##

Опубліковано

2026-11-11

Як цитувати

Заболотна, І. ., & Богданова, Т. . (2026). ЛОГІСТИЧНІ СКРИНІНГОВІ МОДЕЛІ ДЛЯ ПРОГНОЗУВАННЯ ВИНИКНЕННЯ ПРИШИЙКОВИХ УРАЖЕНЬ ЗУБІВ. Інновації в стоматології, (3), 40–49. https://doi.org/10.35220/2523-420X/2026.3.7

Номер

Розділ

ТЕРАПЕВТИЧНА СТОМАТОЛОГІЯ