根面う蝕発生予測モデル

A Predictive Model for Root Caries Incidence.

抄録

本研究では、成人う蝕予防のためのキシリトール試験（X-ACT）のデータを用いて、う蝕活動性の成人における根面う蝕（RC）発生を予測するのに最適なリスク指標を見出すことを目的とした。ベースライン時に歯根面が露出しているプラセボ対照参加者、および補助的なデータ収集を行った2つの試験センター（n＝155）のデータを用いて、5つのロジスティック回帰モデルを用いて、RC発生率の予測性能に関して比較した。予測性能は、ベースライン変数と、補助変数［喫煙、食事、取り外し可能な部分床義歯（RPD）の使用、歯ブラシの使用、所得、教育、歯科保険］を含めた後の変数から評価した。感度分析では、対照群と治療群（n = 301）の両方のモデルに治療を追加し、対照群のRCを予測した。対照群の49％がRCを発症した。リスクのある追跡年数、リスクのある根面数、RC指数、性別、人種、年齢、喫煙を含むモデルが最も予測性能が高く、AUCが最も高く、Brierスコアが最も低かった。感度分析では、一次分析が支持され、性能の要約指標がわずかに良好であった。RC発生を最もよく予測できたリスク指標は、ベースライン時のリスク根面数の増加とRC指数の増加であり、次いで白人の人種と非喫煙であったが、これらは有意ではない強い予測因子であった。性別、年齢、リスクのある経過観察年数の増加もモデルには含まれたが、統計的に有意ではなかった。健康、食事、RPDの使用、歯ブラシの使用、収入、教育、歯科保険の変数を組み込んでも、予測性能は改善しなかった。

This study aimed to find the set of risk indicators best able to predict root caries (RC) incidence in caries-active adults utilizing data from the Xylitol for Adult Caries Trial (X-ACT). Five logistic regression models were compared with respect to their predictive performance for incident RC using data from placebo-control participants with exposed root surfaces at baseline and from two study centers with ancillary data collection (n = 155). Prediction performance was assessed from baseline variables and after including ancillary variables [smoking, diet, use of removable partial dentures (RPD), toothbrush use, income, education, and dental insurance]. A sensitivity analysis added treatment to the models for both the control and treatment participants (n = 301) to predict RC for the control participants. Forty-nine percent of the control participants had incident RC. The model including the number of follow-up years at risk, the number of root surfaces at risk, RC index, gender, race, age, and smoking resulted in the best prediction performance, having the highest AUC and lowest Brier score. The sensitivity analysis supported the primary analysis and gave slightly better performance summary measures. The set of risk indicators best able to predict RC incidence included an increased number of root surfaces at risk and increased RC index at baseline, followed by white race and nonsmoking, which were strong nonsignificant predictors. Gender, age, and increased number of follow-up years at risk, while included in the model, were also not statistically significant. The inclusion of health, diet, RPD use, toothbrush use, income, education, and dental insurance variables did not improve the prediction performance.