文献

J-GLOBAL ID：202202286714363987   整理番号：22A0563840

患者-,歯-および治療-レベル因子と歯根管治療失敗との関連:後ろ向き縦断的および機械学習研究【JST・京大機械翻訳】

Association between patient-, tooth- and treatment-level factors and root canal treatment failure: A retrospective longitudinal and machine learning study

著者 (4件)： Herbst Chantal S. (Department of Oral Diagnostics, Digital Health and Health Services Research, Charite, Universitaetsmedizin Berlin, Assmannshauser Str. 4-6, Berlin 14197, Germany) ,  Schwendicke Falk (Department of Oral Diagnostics, Digital Health and Health Services Research, Charite, Universitaetsmedizin Berlin, Assmannshauser Str. 4-6, Berlin 14197, Germany) ,  Krois Joachim (Department of Oral Diagnostics, Digital Health and Health Services Research, Charite, Universitaetsmedizin Berlin, Assmannshauser Str. 4-6, Berlin 14197, Germany) ,  Herbst Sascha R. (Department of Oral Diagnostics, Digital Health and Health Services Research, Charite, Universitaetsmedizin Berlin, Assmannshauser Str. 4-6, Berlin 14197, Germany)
資料名： Journal of Dentistry  (Journal of Dentistry)
巻： 117  ページ： Null  発行年： 2022年 
JST資料番号： W3204A  ISSN： 0300-5712  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 根管治療(RT)の失敗に関する患者-,歯-および治療-レベル共変量を評価し,機械学習(ML)を用いて失敗を予測することを目的とした。2016年から2020年までに1大大学病院でRTを受け,6か月以下の最小追跡調査を行った。失敗は,X線撮影治癒および/または臨床症状の存在を損なわなかった。共変量を歯,治療および患者レベルで選択した。ロジスティック回帰(logR)を用いて,完全データセットとlogR,および,予測モデリング(領域-受信者操作特性曲線(ROCAUC))と,別の試験データセットの試験のための,より進んだML(ランダムフォレスト(RF),勾配ブースティングマシン(GBM),および極度に勾配ブースティング(XGB))との相関関係を決定した。591の永久歯を有する458人の患者(女性/男性47.2/52.8%)を,含んだ(全成功率79.5%)。logRにおいて,歯レベルの共変量は,破壊と強い関連を示した:肺胞骨損失66~100%(ABL,OR6.48,95%CI[2.86,14.89],p<0.001);根尖指数(PAI)スコア≧4(OR 4.59,[2.44,8.79],p<0.001);ABL 33-66%(OR 2.59[1.49,4.49],p<0.001);PAI=3(OR 2.45,[1.43,4.34],p<0.01);治療型「再治療」(OR1.77,[1.01,2.86],p<0.01)。患者レベルでは,喫煙のみ(OR 2.05,[1.18,3.53],p<0.05)は,失敗のリスクと有意に関連していた。予測モデリングでは,すべてのモデルの予測力は限定された(ROCAUC:logR0.63,[0.53,0.73];GBM0.59,[0.50,0.68];RF0.59,[0.50,0.68];XGB0.60,[0.50,0.70])。RTの失敗は主に歯レベルの共変量と関連していた。予測失敗は,より複雑なMLで,限られた可能性しかなかった。RTの失敗の特定の危険因子を同定し,RTの転帰を予測することは,治療計画とインフォームド共有意思決定に関連する。本研究は,歯レベルの因子が失敗と関連することを見出した。特に,破壊の予測は限られていた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 肺胞 ,  モデリング ,  計算機アルゴリズム ,  *患者 ,  治癒 ,  特性曲線 ,  永久歯 ,  治療計画 ,  *根管治療 ,  危険因子 ,  *機械学習 ,  大学病院
準シソーラス用語： 再治療 ,  ロジスティック回帰分析 ,  ランダムフォレスト ,  共変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  医学の歴史 ,  矯正根管治療 ,  転帰 ,  後ろ向き研究

分類 (3件)： 歯と口腔の疾患の治療一般  (GT05010F) ,  循環系の診断  (GJ02000V) ,  保存療法  (GT05020Q)

タイトルに関連する用語 (8件)： 患者 ,  歯 ,  治療 ,  因子 ,  歯根管治療 ,  失敗 ,  機械学習 ,  研究