Abstract achtergrond
Om basislijn cariësrisico classificaties valideren volgens de Cariogram model met de ontwikkeling werkelijke cariës gedurende een periode van 3 jaar in een groep jonge volwassenen die leven in Zweden.
Methodes Ondernemingen De onderzoeksgroep bestond uit 1295 19-jaar-oude patiënten die een uitgebreid klinisch onderzoek basislijn, met inbegrip van röntgenfoto's en speeksel testen afgerond. Een individuele cariës risicoprofiel werd berekend en de patiënt werd geplaatst in een van de vijf risicocategorieën. Na 3 jaar, 982 patiënten (75,8%) werden opnieuw onderzocht en cariës increment voor elke patiënt werd berekend. Het resultaat werd uitgedrukt als sensitiviteit, specificiteit en voorspellende waarden en vergeleken met een risicobeoordeling regeling gebruikt in de openbare tandheelkundige dienst.
Resultaten
de drop-outs weergegeven meer risicofactoren en een significant hogere cariës belasting op de basislijn in vergelijking met degenen die nog in het project (p & lt; 0,05). Er was een sterke associatie tussen de Cariogram risicocategorieën en de 3-jarige cariës increment op luchtspouw niveau, maar de voorspellende waarden werden bescheiden. De hoge of zeer hoge cariës risicocategorieën leverde een hoge specificiteit (& gt; 90%), maar slecht gevoeligheden. De groepen met een laag risico weergegeven hogere gevoeligheden op koste van verminderde specificiteiten. Geen combinaties bleek klinisch bruikbaar waarden volgens Yuoden de index.
Conclusies
Binnen de beperkingen van de huidige studie, de computer-based Cariogram niet beter presteren dan een cariës risicobeoordeling regeling op basis van eerdere ervaringen cariës en cariës progressie, over een periode van 3 jaar bij jonge volwassenen.
Sleutelwoorden
Lactobacilli mutans streptococcen Risicofactoren Speeksel Achtergrond
cariës risicobeoordeling (CRA) is de klinische proces van vaststelling van de waarschijnlijkheid voor een individuele patiënt om cariës laesies ontwikkelen in de nabije toekomst en daarmee een essentieel onderdeel in het besluitvormingsproces voor een adequate preventie en het beheer van tandcariës [1-3]. In de uitgebreide klinische praktijk, risicofactoren op basis van de algemene gezondheid, voeding, mondhygiëne, fluoride blootstelling en verleden tandbederf zijn vaak subjectief en intuïtief samengevoegd tot één van de verschillende categorieën risico [4, 5], hoewel de kwaliteit van het bewijs voor dit proces is beperkt [6]. Cariogram is een algoritme gebaseerde software voor negen cariës risicofactoren en bestemd om artsen te helpen bij het uitvoeren objectiever en consistente risicobeoordelingen [7]. De prestaties van het programma is gevalideerd bij kleuters [8], schoolkinderen [9-12] en ouderen [13]. Voor zover wij weten, is de nauwkeurigheid van Cariogram bij jonge volwassenen beschreven in een eerdere studie met een beperkte monstergrootte [14]. Het doel van dit onderzoek was dan ook om de uitgangssituatie cariësrisico classificaties valideren volgens Cariogram met de ontwikkeling werkelijke cariës gedurende een periode van 3 jaar in een groep jonge volwassenen die leven in Zweden. Een tweede doel was om de uitkomst van een regeling cariës risicobeoordeling worden gebruikt in Public Tandheelkundige klinieken (PDC) in de regio Skåne vergelijken zoals eerder beschreven [15].
Methods
Studiegroep
Een uitnodiging aan te nemen deelgenomen aan een prospectieve studie werd gestuurd naar alle openbare tandheelkundige klinieken in de regio Skåne, gelegen in het zuiden van Zweden. Uit de positieve reacties werden acht klinieken geselecteerd om verschillende geografische en sociaal-economische gebieden van de regio te vertegenwoordigen. Alle 19-jarigen ingeschreven bij de geselecteerde klinieken werden uitgenodigd (n = 1699) en 1.295 patiënten werden ingeschreven na mondelinge en schriftelijke informatie. Aanvullende informatie over de keuze van de basislijn materiaal en de kenmerken ervan zijn gepubliceerd vóór [15]. Een grondig onderzoek basislijn inclusief röntgenfoto's en speeksel steekproef werd uitgevoerd door gewone tandheelkundig team de patiënten, zoals hieronder beschreven. Na 3 jaar, 982 patiënten (75,8%) werden opnieuw onderzocht door de basislijn team als dat mogelijk is. Een stroomschema met de belangrijkste redenen voor drop-out wordt weergegeven in figuur 1. Alle patiënten waren de bewoners in gebieden met een lage natuurlijke fluoride-gehalte in de drinkwatervoorziening, maar de overgrote meerderheid gemeld gebruik van fluoride tandpasta op regelmatige basis. De studie ontwerp werd goedgekeurd door de Ethische Commissie, Universiteit van Lund, Zweden. Figuur 1 Flow-chart aangeeft verloop en drop-outs.
Klinisch onderzoek
Elke geselecteerde clinic werd bezocht door de hoofdonderzoeker (GHP) en de tandheelkundige personeel werd geïnformeerd over het doel en de lay-out van de studie. De klinische visueel-tactiele onderzoek, met inbegrip Bitewing röntgenfoto's, werd uitgevoerd door de reguliere tandarts of mondhygiënist onder optimale licht en gereinigd, de lucht gedroogd tanden uitgevoerd. Cariës prevalentie en de ervaring werd geregistreerd bij manifest dentine niveau volgens de WHO-criteria [16] en uitgedrukt als DFT /DFS. Informatie met betrekking tot de algemene gezondheid en medicijnen, dieet en mondhygiëne gewoonten zoals tandenpoetsen frequentie en het gebruik van fluoride werd verzameld door middel van een gestructureerde vragenlijst. Paraffine gestimuleerd speeksel werd verzameld gedurende 5 minuten en de secretiesnelheid werd uitgedrukt als ml /min. Speeksel mutans streptococcen, lactobacillen en buffercapaciteit werden geschat door selectieve chair-side kits (Dentocult® SM-Strip mutans, Dentocult® LB en Dentobuff® Strip, Orion Diagnostica, Espoo, Finland). Volgens de handleiding van de fabrikant
cariës risicobeoordeling met Cariogram
data voor het computernetwerk cariës risicobeoordeling werden in de Cariogram aangegaan voor het verkrijgen van een individuele cariës risicoprofiel zoals eerder beschreven [6, 9]. De volgende vijf Cariogram categorieën werden gebruikt: "zeer laag risico" = 81-100% kans om cariës te voorkomen; "Laag risico" = 61-80% kans om cariës te voorkomen; "Matig risico" = 41-60% kans om cariës te voorkomen; "Hoog risico" = 21-40% kans om cariës te voorkomen; en "zeer hoog risico" = 0-20% kans om cariës te voorkomen. De berekende Cariogram risicocategorie werd niet onthuld aan noch de patiënt, noch gewone tandheelkundig team van de patiënt. Alle beslissingen over preventieve en restauratieve tandheelkundige zorg waren uitsluitend de verantwoordelijkheid van de reguliere openbare tandheelkundig team van de patiënt tijdens de gehele onderzoeksperiode.
Eindpunten
De eindpunten waren het aantal nieuwe cariës in elke categorie risico over de drie jaar studieperiode en de berekende cariës-voorspellende waarden voor de verschillende risicogroepen. Cariës increment werd bepaald door het vergelijken van de cariës-status voor elke patiënt ingeschreven bij de follow-up met een uitgangswaarde. Zo werd de cariës increment berekend door het tellen van het aantal oppervlakken die veranderd van geluid te vervallen of gevulde gedurende de onderzoeksperiode. Mogelijke cariës omkeringen zijn buiten beschouwing gelaten.
Statistische methoden
Alle gegevens werden verwerkt met de IBM SPSS-software (versie 19.0, Chicago, IL, USA). Beschrijvende statistiek en correlaties werden toegepast. Vergelijkingen en verenigingen met betrekking tot cariës gegevens werden uitgevoerd met one-way ANOVA en chi-kwadraat testen. Gevoeligheid, specificiteit en voorspellende waarden werden berekend uit twee aan twee tafels. P
-waarden kleiner dan 0,05 werden statistisch significant beschouwd.
Resultaten
De gemiddelde cariës frequentie en de procentuele verdeling van de Cariogram risicocategorieën op baseline voor alle kinderen, de drop-outs en die werden opnieuw onderzocht na 3 jaar wordt getoond in Tabel 1. de uitval significant hogere gemiddelde waarden voor DFT en DFS vergeleken met die die nog in het project (p & lt; 0,05). Evenzo meer dropouts (24%) werden "hoog risico" en "hoog risico" volgens de Cariogram categorieën vergeleken met 15% in het uiteindelijke materiaal. De 3-jaars cariës verhogen in de vijf Cariogram categorieën is opgenomen in Tabel 2. De positieve relatie was statistisch significant; de patiënten in de hogere risicogroepen ontwikkeld meer nieuwe cariëslaesies dan beoordeeld met lagere cariësrisico (p & lt; 0,05). Het verschil tussen de twee hoogste risicogroepen ( "hoog risico" en "hoog risico") was echter niet statistisch significant. De verdeling van patiënten met nieuwe cariëslaesies versus geen nieuwe cariës laesies in verhouding tot de basislijn Cariogram categorie risico is weergegeven in tabel 3 en de gevoeligheid, specificiteit en voorspellende waarden worden weergegeven in Tabel 4. De specificiteit was hoog (& gt; 90% ) voor die beoordeeld met 0-40% kans om cariës te voorkomen, maar de gevoeligheid was slecht. Anderzijds, wanneer de categorie "low cariësrisico" werd gebruikt als een afkapwaarde, een hoge gevoeligheid en hoge negatieve voorspellende waarde werd verkregen. Geen combinaties bereikte echter hoog en klinisch bruikbare waarden volgens Youden's index.Table 1 Baseline cariës frequentie (gemiddelde, SD) en de procentuele verdeling van Cariogram risicocategorieën bij alle patiënten, de drop-outs en degenen die overbleven na 3 jaar (follow-up)
Variabele
Alle patiënten
Drop outs
Follow-up
n = 1295
n = 313
n = 982
DFT
3.4 (3.3)
4.4a (3.7)
3.1 (3.1)
DFS
4.9 (5.6)
6.8a (6.9)
4,3 (5,0)
Cariogram risicocategorie (%)
81-100 (heel laag risk)
23.3
17.0
25.6
61-80
32.7
27.7
34.1
41-60
26.5
30.9
25.3
20-40
9.0
13.2
7.5
0-20 (Zeer hoog risico)
8,4
11.2
7.5
aSignificantly verschillend van follow-up-groep (p & lt; 0,05).
Tabel 2 Mean cariës stappen (Δ) op 3 jaar uitgedrukt als gemiddelde DFT en DFS in de verschillende categorieën Cariogram risico
Risk groep bij aanvang
n
ΔDFT (SD)
ΔDFS (SD)
ΔDFS = 0 (%)
81-100 (zeer laag risico)
251
0,24 (0,58)
0,29 (0,89)
85,3
61-80
335
0,53 (1,07 )
0,85 (1,91)
71,3
41-60
248
0,82 (1,18)
1,59 (2,55)
50,4
21-40
74
0,84 (0,95)
1,70 (1,76)
36.5
0-20 (zeer hoog risico)
74
1,00 (1,40)
1.99 (3.00)
44,6
ANOVA /Chi-kwadraat
p & lt; 0,001
p & lt; 0,001
p & lt; 0,001
p & lt; 0.001
Waarden tussen haakjes geven de standaarddeviatie.
Tabel 3 Verdeling van de patiënt met nieuwe en geen nieuwe cariëslaesies meer dan 3 jaar in relatie tot de risicocategorie Cariogram op baseline
Baseline risico categorie
ΔDFS & gt; 0
ΔDFS = 0
Sum
81-100 (zeer laag risico)
37 (14,7)
214 (85,3)
251
61-80
96 (28,7)
239 (71,3)
335
41-60
123 (49,6)
125 (50,4)
248
21- 40
47 (63,5)
27 (36,5)
74
0-20 (zeer hoog risico)
41 (55,4)
33 (44,6)
74
Sum
344 (35,0)
638 ( 65.0)
982
de waarden in de tabel duiden aantal patiënten en procent binnen elke categorie risico.
tabel 4 Gevoeligheid, specificiteit en voorspellende waarden voor nieuwe cariës laesies (ΔDFS & gt; 0) op 3 jaar
Cariogram cut-off,%
TP + TNA
Gevoeligheid
specificiteit
PPVb
NPVb
Youden's indexc
80
53.1
89.2
33.5
42.0
85.3
0.23
60
65.8
61.3
71.0
53.3
77.3
0.32
40
67.8
25.6
90.6
59.5
69.3
0.16
20
65.8
11.9
94.8
55.4
66.6
0.07
. AProportion van ware positieve (TP) en echte negatieve (TN) testen
BPPV = positief voorspellende waarde; NPV = negatieve voorspellende waarde.
HCJ = gevoeligheid + specificiteit -1.
Discussie
De huidige prospectieve studie evalueerde een computer-based cariës risicobeoordeling programma in een leeftijdsgroep zelden bestudeerd. We hebben eerder beschreven de risicobeoordeling uitgevoerd volgens de richtlijnen van de openbare tandheelkundige klinieken (PDC) in hetzelfde materiaal [17] en de eenvoudige conclusie is dat de Cariogram de nauwkeurigheid van de beoordelingen in deze leeftijdsgroep niet verbeterden. De PDC risicobeoordeling grotendeels afhankelijk is verleden cariës ervaring en de progressie van de proximale glazuur laesie. Dit concept werd ondersteund door de recente systematische reviews die basislijn cariës prevalentie hebben voorgesteld als de meest accurate voorspeller van cariës risico in alle leeftijdsgroepen [6] en onthulde een beperkte of zwak bewijs voor bestaande cariësrisico systemen [18]. Daarentegen Gao en medewerkers [19] ondersteund algoritme gebaseerde modellen eerder redenering programma maar hun resultaten waren gebaseerd op een peuter materiaal. Het feit dat de specificiteit was hoger dan de gevoeligheid bij de meeste cut-off niveaus aangegeven dat het selecteren uit mensen met een laag cariësrisico een vruchtbaarder strategie dan het vinden van personen met een hoog risico zou kunnen zijn. Opvallend is de Cariogram model beter uitgevoerd in sommige eerdere verslagen, en vooral in schoolkinderen [10, 12]. In de studie van Celik en medewerkers [14], 100 jongvolwassenen werden gedurende twee jaar, maar geen voorspellende waarden werden gerapporteerd. Toch is de bevindingen van deze studie niet de tijd en de kosten van het speeksel bemonstering en microbiële kweek te motiveren als alleen de voorspellende waarden werden beschouwd. Toch kan de Cariogram nuttig zijn bij het motiveren van patiënten en communicatie van de preventieve boodschap.
Voordat diskwalificerende de Cariogram echter, zijn er drie problemen die moeten worden aangepakt. In het begin van de ziekte-activiteit in de onderzoeksgroep was relatief laag. De prevalentie van nieuwe gaatjes was 35%, van 15% in categorie zeer laag risico voor 55% in de categorie zeer hoog risico. Een hogere ziekte zou waarschijnlijk de positief voorspellende waarde zijn gestegen tot een substantiële manier. Ten tweede, het overgrote deel van de patiënten werd opgeroepen door hun vaste team in de loop van het onderzoek en van diverse vormen van preventieve zorg. Hoewel de risicocategorie Cariogram niet de hoogte was, werden de patiënten continu bewust zijn van hun risicocategorie gemaakt op basis van de openbare tandheelkundige klinieken richtlijnen [15], en in het beste geval zou dit de behandeling besluiten van de tandheelkundige personeel hebben beïnvloed. Blijkbaar kan een succesvolle preventieve zorg de voorspellende capaciteiten van elke cariësrisico programma schaden. Elke restauratieve behandeling beslissing werd genomen door de reguliere tandarts en geen specifieke aanbevelingen of richtlijnen werden uitgegeven voor deze studie. Daarom gebruikten we totaal cariës index (DFT /DFS) in plaats van de D-component drie jaar cariës verhogen weerspiegelen. Het derde punt dat de uitkomst zou kunnen hebben beïnvloed was de 24% uitval. Uiteraard getoonde dropouts meer belast ziekte en cariës risicofactoren en het is bekend dat mensen met actieve cariës zeer waarschijnlijk meer cariës ontwikkelen [6] en bovendien de cariës gevoelige patiënten ondervertegenwoordigd onder degenen die ingestemd met de aanvang onderzoek, wat wijst op een selectie vooroordeel [15, 17]. Als bijvoorbeeld wordt aangenomen dat 80% van de nieuwe dropouts holten zou zijn opgetreden gedurende de onderzoeksperiode, zou de gevoeligheid en de positieve voorspellende waarden met ongeveer 10%. Het is dus belangrijk om in gedachten te houden dat de resultaten die in deze studie cijfers zijn gebaseerd op deze specifieke populatie, onder bepaalde omstandigheden, en kan niet gemakkelijk worden gegeneraliseerd.
Conclusie Concluderend, binnen de beperkingen van het huidige studie, de computer-based Cariogram niet beter dan een cariës risicobeoordeling regeling op basis van eerdere ervaringen cariës en cariës progressie te voeren, over een periode van 3 jaar bij jonge volwassenen.
verklaringen
Dankwoord
de auteurs willen als dank het personeel bij alle deelnemende Public Dental Clinics voor hun medewerking. De studie werd ondersteund door subsidies van de Skåne Gewest en van het Zweedse Patent Revenue Fonds voor onderzoek Preventieve Odontology.
Concurrerende belangen
De auteurs verklaren dat ze geen concurrerende belangen. De auteurs alleen bent verantwoordelijk voor de inhoud en het schrijven van het papier.
Auteurs bijdragen
GHP begeleid en geëvalueerd het verzamelen van gegevens. GHP en ST hebben zowel aanzienlijk bijgedragen aan de conceptie en het ontwerp van de studie samen studeren met statistische analyse en interpretatie van de resultaten. Beide auteurs hebben bijgedragen aan en lees het definitieve ontwerp. Beide auteurs gelezen en goedgekeurd het definitieve manuscript.
