首页 > 论文范文 > 医药卫生论文 > 口腔科论文 > 口腔内科学论文 > 重度慢性牙周炎患者发病风险因素分析及预测模型构建

重度慢性牙周炎患者发病风险因素分析及预测模型构建

2024-08-20 95 上传者：管理员

摘要：目的分析重度慢性牙周炎患者发病的影响因素，并构建Nomogram预测模型。方法选择2021年8月—2023年6月本院收治的180例慢性牙周炎患者为研究对象，根据患者是否发病，病变加重分为重度组(78例)和非重度组(102例)两组。观察两组研究对象的基线资料，采用ROC实验分析连续性变量的预测价值；采用Logistic回归实验分析影响重度慢性牙周炎患者发病的相关因素；采用内部数据验证Nomogram模型临床效能。结果与非重度组[48(47.06%)、49(48.04%)、39(38.24%)、39(38.24%)、67(65.69%)、2(1,2)]相比，重度组患者吸烟59例(75.65%)、糖尿病59例(75.65%)、有不良修复体49例(62.82%)、合并根分叉病变52例(66.667%)、刷牙次数1次62例(79.49%),刷牙时间1(1,2)min较短，差异均有统计学意义(P<0.05);刷牙时间对重度慢性牙周炎有一定预测价值，AUC为0.669,95%CI为0.583～0.748(P<0.05);吸烟、糖尿病、不良修复体、合并根分叉病变均为重度慢性牙周炎发病的影响因素(P<0.05);Nomogram模型在预测重度慢性牙周炎发病风险方面表现良好，其C-index为0.794(0.728～0.860);当其风险阈值>0.12时，该模型可以较好的提供标准化净收益。结论吸烟、糖尿病、不良修复体、合并根分叉病变均为重度慢性牙周炎发病的影响因素，且基于以上变量构建的Nomogram模型有较好的预测价值。

关键词：
发病
感染性疾病
慢性牙周炎
牙周袋
牙龈萎缩
加入收藏

慢性牙周炎是一种感染性疾病，其主要以牙周袋和牙龈萎缩为临床特点，常发于成年人和老年人，且患病率和疾病严重程度随着年龄的增长而增长[1]。目前随着老龄化社会的不断加剧，重度牙周炎的发病率不断增加。该病是由菌斑中的微生物破坏了人体的防御机制，从而导致了牙周组织的损伤，从而导致了疾病的发生。这给患者的身体和生活带来了很大的负面影响[2-3]。尽管菌斑是牙周病发生的始动因素，但同时也存在一系列局部以及全身的促进因素，这些因素的存在会导致疾病的发生、转归，从而影响患者的预后[4-5]。因此降低该病的发病率对临床意义重大，但要想有效地预防和控制重度慢性牙周炎的发生，必须要详尽地分析与之相关的影响因素，找到病因，对于预防和治疗牙周病有着十分重要的临床指导作用。此外，Nomogram主要是描述多个自变量与一个因变量之间的关系，模型中的回归系数表示每个自变量对因变量的影响程度，是主要应用于肿瘤预后上的预测工具[6]。目前还并未有研究针对重度慢性牙周炎发病的相关因素构建过预测模型，因此本研究对此进行分析，以期能够为该病的预防和治疗提供一定的依据。

一、资料与方法

1.一般资料：

选择2021年8月—2023年6月本院收治的180例慢性牙周炎患者为研究对象，根据患者是否发病病变加重分为重度组(78例)和非重度组(102例)两组。纳入标准：(1)符合慢性牙周炎的诊断标准者[7];(2)年龄>18岁者；(3)口腔内余留牙数大于等于16颗者；(4)临床资料完整者。排除标准：(1)妊娠或哺乳期者；(2)正畸者；(3)合并有精神类疾病者；(4)三个月内服用过抗生素类药物者；(5)没有进行复诊者。本研究得到了本院伦理委员会的认可，患者及家属均签署知情同意书。

2.方法：

(1)临床资料收集：利用患者医疗记录收集有关人口统计学等一般情况包括：年龄、性别、BMI、吸烟、饮酒、糖尿病、高血压、高血脂、冠心病、文化程度、偏侧咀嚼、不良修复体、合并根分叉病变、刷牙次数、刷牙时间。(2)重症慢性牙周炎评定：制定复诊方案，经牙周探诊，记录每一次患者复查时的牙周袋深度、附着缺失程度、龈下牙石、根分叉病变等，并与根尖X线片相结合，评价牙槽骨的缺失程度。若出现加重情况则被认为是重度组，否则是非重度组。

3.统计学处理：

应用SPSS 22.0统计学软件对实验数据进行处理和统计分析。采用Shapiro-Wilk法检验是否符合正态性分布，符合正态分布的计量资料用(�¯±�)

表示，两组间比较采用独立样本t检验；不符合正态分布的计量资料通过[M(P25,P75)],两组间比较采用Mann-Whitney U检验；计数资料用[n(%))表示，采用χ2检验；采用Medcal软件对于单因素分析有意义的连续变量进行ROC分析；对影响因素采用Logistic实验进行分析。模型构建、内部验证采用R语言进行，以P<0.05为差异具有统计学意义。

二、结果

1.观察两组患者基线资料比较：

两组患者在年龄、性别等临床资料比较中，差异无统计学意义(P>0.05);与非重度组相比，重度组患者吸烟占比、糖尿病占比、有不良修复体占比、合并根分叉病变占比、刷牙次数1次占比较大，刷牙时间较短(P<0.05)。见表1。

表1两组患者基线资料比较

2.相关变量ROC曲线分析：

刷牙时间对重度慢性牙周炎有一定预测价值，AUC为0.669,95%CI为0.583～0.748(P<0.05)。见表2和图1。

3.Logistic回归分析：

吸烟、糖尿病、不良修复体、合并根分叉病变均为重度慢性牙周炎发病的影响因素(P<0.05)。见表3。

表2相关变量ROC曲线分析结果

图1ROC曲线分析

4.构建重度慢性牙周炎发病的预测模型：

将吸烟、糖尿病、不良修复体、合并根分叉病变纳入模型，作为构建Nomogram模型的预测因子。如图2。

5.Nomogram模型校准曲线及DCA分析：

Nomogram模型在预测重度慢性牙周炎发病风险方面表现良好，其C-index为0.794(0.728～0.860);校准曲线表明，其数据的观测和预测水平上有很好的一致性；且DCA结果显示，当其风险阈值>0.12时，该模型可以较好的提供标准化净收益，并且超过实验中纳入的其他变量。如图3。

三、讨论

随着人们生活习惯和饮食结构的改变，慢性牙周炎的发病率逐年上升，是一种系统性的宿主免疫疾病，若不进行有效的治疗，将会造成牙周组织损伤，引起牙齿脱落、松动，最终造成咀嚼功能下降，严重影响口腔卫生，影响患者的生活质量[8-9]。而重度慢性牙周炎不仅会破坏牙周组织，还会影响治疗后的牙周愈合，诱发机体免疫反应[10]。有研究通过对该病患者分为易感人群和非易感人群进行分析，发现该病并不是平均分布在人群中，不同个体对牙周病有着不同的易感性，重度慢性牙周炎是一种多因素影响疾病，通过了解相关因素与牙周疾病的关系，对重度慢性牙周炎的诊断、治疗及预后评估有重要意义[11]。因此，本研究对此构建预测模型，进行以下探讨。

图2预测重度慢性牙周炎发病的Nomogram模型

在本研究中，首先针对患者的临床资料进行分析，其统计学无意义结果说明，两组患者可比性较强。此外，单因素分析显示：与非重度组相比，重度组吸烟占比、糖尿病占比、有不良修复体占比、合并根分叉病变占比、刷牙次数1次者较大，刷牙时间较短。这说明以上变量与患者发病相关性较强。研究显示：吸烟是一种不健康的行为，与牙周病的发生发展有着密切的联系，会对牙龈组织和牙周炎的发生发展产生重要的影响，这是因为吸烟会使牙龈组织内毒素的含量升高，从而影响到血液循环，体液免疫，细胞免疫，炎性反应，同时还会导致口腔中唾液和龈沟液的趋化和吞噬能力的下降[12-13]。有研究表明，糖尿病患者的血管发生了病变，导致免疫功能和细胞基础功能都发生了变化，所以他们抵抗感染的能力也就降低了，这是合并糖尿病患者牙周炎发病率高的原因[14-15]。有不良修复体以及合并根分叉病变和牙周炎的发病密切相关，研究认为，如果有不良修复体，那么就会侵犯到牙周组织和牙龈的慢性炎体，从而加剧了菌斑的滞留，主要有厌氧菌、产黑色素杆菌和牙龈类杆菌等，当免疫力下降时，菌斑中的细菌就会大量增殖，从而引起牙周袋的形成，最后造成牙齿的松动、脱落[16]。而合并根分叉病变一般是由于牙周疾病进展到一定程度时，多个牙齿的根分叉区受到损伤，从而导致牙根分叉，再加上根分叉区解剖结构的复杂性和多变性，导致菌斑和牙结石形成的难度更大，难以祛除，加剧了疾病的进展[17]。除此之外，还有研究认为刷牙次数和刷牙时间不到位等不良习惯也是影响该病发病的相关因素，若刷牙不够认真或次数太少，口腔中的牙菌斑不能被充分清除，从而增加发生口腔疾病的风险，使得慢性牙周炎的炎症无法得到有效改善[18]。在ROC分析中也显示刷牙时间有一定的预测价值，基于以上研究，本文进行了回归分析，结果发现：吸烟、合并糖尿病、存在不良修复体、合并根分叉病变均为重度慢性牙周炎发病的影响因素，但并未得出刷牙时间与刷牙次数有统计学意义的结果。在李理等[19]的研究中也显示出相同结论。

此外，Nomogram模型最初用于工程领域，它可以快速、直观、准确地把复杂的工程力学等计算公式以图形的形式呈现，其原理是基于多因素回归分析，对多个预测指标进行整合，再用刻度的直线段在同一平面上按一定的比率画出，以此来表示模型中各变量间的内在联系，现如今广泛应用于肿瘤预后上，应用价值较高[20]。因此，本研究对此构建预测模型。结果显示：Nomogram模型在预测重度慢性牙周炎发病风险方面表现良好，其C-index为0.794(0.728～0.860);且当其风险阈值>0.12时，该模型可以较好的提供标准化净收益，并且超过实验中纳入的其他变量。说明该模型的预测能力较好，实用价值较高。以上变量在临床工作中便于收集，有利于将患者的风险分数具象化，从而使早期的高危人群得到更好的监测。

综上所述，吸烟、合并糖尿病、存在不良修复体、合并根分叉病变均为重度慢性牙周炎发病的影响因素，构建的预测模型对患者牙周炎发病有较好的预测价值。但本研究或许存在纳入变量不足的局限性，还需后续进一步深入探讨。

图3校准曲线和决策曲线

参考文献:

[1]朱焘,马绍华,吴吉锋,等.慢性牙周炎治疗对慢性牙周炎合并COPD患者的临床意义分析[J].中国现代药物应用,2023,17(9):53-55.

[2]潘建东,沈宏,王静.激光辅助根面平整术对中重度慢性牙周炎患者牙周组织､牙龈微循环的影响[J].中国医学创新,2023,20(9):117-120.

[3]刘海峡,刘红,路学文,等.齿痛消炎灵颗粒联合米诺环素治疗慢性牙周炎的临床研究[J].现代药物与临床,2021,36(12):2583-2586.

[4]陈传耀.重度牙周炎的治疗与疗效观察[J].现代中西医结合杂志,2012,21(18):1969-1970.

[5]王桃,吴燕,肖茂萍.光动力疗法治疗糖尿病合并慢性牙周炎的疗效和影响因素[J].中国激光医学杂志,2024,33(1):22-28.

文章来源:王建民,郭洪,陈雨.重度慢性牙周炎患者发病风险因素分析及预测模型构建[J].齐齐哈尔医学院学报,2024,45(15):1436-1440.