DOI: https://doi.org/10.1186/s12903-024-04073-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38461227
تاريخ النشر: 2024-03-09
المؤلف: Rafael Aiello Bomfim
الموضوع الرئيسي: صحة الأسنان واستخدام الرعاية
نظرة عامة
تؤكد هذه الفقرة على أهمية فترة المراهقة كمرحلة حاسمة لفحص استخدام خدمات الصحة وتأثير الأمراض السنية، وخاصة تسوس الأسنان. تسلط الضوء على الدور الأساسي لخدمات الرعاية الأولية في تسهيل الوصول إلى رعاية الأسنان الشاملة للمراهقين، خاصة أولئك الذين يعانون من تسوس غير معالج. يتم التأكيد على انتشار المشكلات السنية من خلال الإحصائية التي تفيد بأنه في عام 2010، كان مؤشر الأسنان المتسوسة والمفقودة والمملوءة (DMFT) للمراهقين البرازيليين الذين تتراوح أعمارهم بين 12 عامًا هو 2.1، مع كون التسوس غير المعالج يمثل 53% من هذا المؤشر. تؤثر هذه المشكلة بشكل غير متناسب على الفئات الضعيفة والمحرومة اجتماعياً.
علاوة على ذلك، يقترح النص أن استخدام تقنيات التعلم الآلي يمكن أن يعزز من توقع المراهقين المعرضين لخطر أكبر لتسوس الأسنان، مما يحسن من التدخلات المستهدفة واستراتيجيات العلاج. تهدف هذه المقاربة إلى معالجة الحاجة الملحة لرعاية الأسنان الفعالة بين المراهقين الذين يواجهون تحديات كبيرة في الصحة الفموية.
مقدمة
تناقش مقدمة ورقة البحث النظام الصحي الموحد البرازيلي (SUS) وجهوده لتوفير تغطية صحية شاملة من خلال استراتيجية صحة الأسرة (FHS)، خاصة في تعزيز الرعاية الصحية الفموية الأولية والثانوية. على الرغم من هذه التقدمات، لا يزال من الصعب إعطاء الأولوية لمبادرات صحة الأسنان للمراهقين. تهدف الدراسة إلى استخدام نموذج سيسون النظري، الذي يتناول الفوارق الاجتماعية في الصحة الفموية، لتحديد المتغيرات المرتبطة بتسوس الأسنان غير المعالج بين المراهقين. تفترض أن عمال الرعاية الصحية الأولية يمكنهم التنبؤ بفعالية بالمراهقين الذين يعانون من تسوس الأسنان غير المعالج باستخدام متغيرات بسيطة تم جمعها من قبل عمال الصحة المجتمعية، مما يسهل تنظيم أولويات رعاية الأسنان.
النتيجة الرئيسية للدراسة تعتمد على مؤشر الأسنان المتسوسة والمفقودة والمملوءة (DMFT)، مع التركيز بشكل خاص على المكون المتسوس (D) للمراهقين الذين تتراوح أعمارهم بين 12 عامًا، مع عتبة D ≥ 1 تشير إلى وجود تسوس. يتم تعريف التسوس في الدراسة على أنه أي تجويف مرئي أو نسيج ناعم على سن، يتم تأكيده من خلال استخدام مسبار CPI. تفترض الفرضية أن المتغيرات الفردية والسياقية وسلوكيات الصحة المختارة ستتنبأ بدقة بأكثر من 70% من المراهقين الذين يعانون من تسوس الأسنان غير المعالج، مما يبرز أهمية الصحة الفموية في الرفاهية العامة.
الطرق
استخدمت الدراسة تصميم مسح وبائي قائم على السكان، مع التركيز على أكبر خمس مدن في ماتو غروسو دو سول، البرازيل، كل منها يزيد عدد سكانها عن 80,000 نسمة. تم اختيار هذه المدن لأنها تمثل المناطق الماكرو إقليمية الأربعة داخل الولاية، حيث تنتمي دورادوس وبونتا بورã إلى نفس المنطقة الماكرو. أكدت معايير الاختيار على ثراء هذه المناطق، مما يضمن أن النتائج ستعكس الخصائص الديموغرافية والاجتماعية الاقتصادية للمنطقة بشكل فعال.
النتائج
وجدت الدراسة أن انتشار تسوس الأسنان غير المعالج بين المراهقين كان 25.3% (95% CI: 18.8-33.1). ومن الجدير بالذكر أن عوامل مثل كون الشخص يعرّف نفسه بأنه أسود، والعيش تحت خط الفقر، وعدم التعرض لفلورة المياه، والاستهلاك العالي للأطعمة غير الصحية، واستخدام خيط الأسنان بشكل غير متكرر، وعادات تنظيف الأسنان مرة واحدة أو أقل في اليوم كانت مرتبطة بزيادة انتشار تسوس الأسنان مقارنة بأقرانهم.
في تحليل التعلم الآلي، تفوق خوارزمية XGBoost على غيرها، محققة منطقة تحت المنحنى (AUC) تبلغ 0.84، بينما حققت أشجار القرار والانحدار اللوجستي مع عقوبة لاسو AUCs تبلغ 0.81 و0.73، على التوالي. حددت جميع النماذج سلوكيات الصحة، وبشكل خاص استخدام خيط الأسنان واستهلاك الأطعمة غير الصحية، كمتنبئات هامة لتسوس الأسنان غير المعالج بين المراهقين.
المناقشة
تسلط فقرة المناقشة في ورقة البحث الضوء على فعالية خوارزمية Extreme Gradient Boosting (Xgboost) في توقع تسوس الأسنان غير المعالج بين المراهقين في إعدادات الرعاية الصحية الأولية في البرازيل. استخدمت الدراسة عينة من 520 طفلًا في المدرسة، مع التركيز على عوامل مختلفة تؤثر على الصحة الفموية، بما في ذلك العادات الغذائية والوصول إلى خدمات الأسنان. حقق النموذج منطقة تحت منحنى التشغيل الاستقبالي (AUC) تبلغ 84%، مما يدل على دقة تنبؤية عالية. تؤكد هذه النتيجة على إمكانية استخدام التعلم الآلي لتعزيز تخطيط خدمات الصحة واستهداف التدخلات للفئات الضعيفة.
ومع ذلك، تعترف الدراسة بالقيود، مثل تصميمها العرضي والتركيز الحصري على بيانات المدارس العامة، مما قد يؤثر على قابلية تعميم النتائج. على الرغم من هذه القيود، تؤكد الأبحاث على أهمية دمج الذكاء الاصطناعي في سير العمل في الرعاية الصحية الأولية، خاصة لتحديد المراهقين الذين يحتاجون إلى رعاية الأسنان. يدعو المؤلفون إلى تطبيق علم التنفيذ لمعالجة الحواجز أمام اعتماد الخوارزميات في إعدادات الرعاية الصحية، مقترحين أن سلوكيات الصحة، مثل استخدام خيط الأسنان واستهلاك الأطعمة غير الصحية، يجب أن تكون ذات أولوية في استراتيجيات تعزيز الصحة. بشكل عام، تدعم النتائج استخدام التعلم الآلي كأداة قيمة لتحسين نتائج الصحة الفموية بين المراهقين البرازيليين.
DOI: https://doi.org/10.1186/s12903-024-04073-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38461227
Publication Date: 2024-03-09
Author(s): Rafael Aiello Bomfim
Primary Topic: Dental Health and Care Utilization
Overview
The section emphasizes the significance of adolescence as a critical period for examining health service utilization and the impact of dental diseases, particularly dental caries. It highlights the essential role of primary care services in facilitating access to comprehensive dental care for adolescents, especially those with untreated caries. The prevalence of dental issues is underscored by the statistic that, in 2010, the Decayed, Missing, and Filled Teeth (DMFT) index for Brazilian adolescents aged 12 was 2.1, with untreated caries accounting for 53% of this index. This issue disproportionately affects vulnerable and socially disadvantaged populations.
Furthermore, the text suggests that employing machine learning techniques could enhance the prediction of adolescents at higher risk for tooth decay, thereby improving targeted interventions and treatment strategies. This approach aims to address the urgent need for effective dental care among adolescents facing significant oral health challenges.
Introduction
The introduction of the research paper discusses the Brazilian Unified Health System (SUS) and its efforts to provide universal health coverage through the Family Health Strategy (FHS), particularly in enhancing primary and secondary oral health care. Despite these advancements, prioritizing dental health initiatives for adolescents remains a challenge. The study aims to utilize Sisson’s theoretical model, which addresses social inequalities in oral health, to identify variables associated with untreated dental caries among adolescents. It posits that primary health care workers can effectively predict adolescents with untreated dental caries using simple variables collected by community health workers, thereby facilitating the organization of dental care priorities.
The main outcome of the study is based on the Decayed, Missing, and Filled Teeth (DMFT) index, specifically focusing on the decayed component (D) for adolescents aged 12 years, with a threshold of D ≥ 1 indicating the presence of caries. Caries is defined in the study as any visible cavity or softened tissue on a tooth, confirmed through the use of a CPI probe. The hypothesis asserts that the selected individual, contextual, and health behavior variables will accurately predict over 70% of adolescents with untreated dental caries, highlighting the significance of oral health in overall well-being.
Methods
The study employed a population-based epidemiological survey design, focusing on the five largest cities in Mato Grosso do Sul, Brazil, each with populations exceeding 80,000 inhabitants. These cities were selected as they are representative of the four territorial macroregions within the state, with Dourados and Ponta Porã belonging to the same macro-region. The selection criteria emphasized the affluence of these areas, ensuring that the findings would reflect the demographic and socio-economic characteristics of the region effectively.
Results
The study found that the prevalence of untreated dental caries among adolescents was 25.3% (95% CI: 18.8-33.1). Notably, factors such as being self-declared Black, living below the poverty line, lack of exposure to water fluoridation, high consumption of unhealthy foods, infrequent dental floss use, and brushing habits of once or less per day were associated with a higher prevalence of dental caries compared to their peers.
In the machine learning analysis, the XGBoost algorithm outperformed others, achieving an area under the curve (AUC) of 0.84, while decision trees and logistic regression with Lasso penalty yielded AUCs of 0.81 and 0.73, respectively. All models identified health behaviors, specifically the use of dental floss and unhealthy food consumption, as significant predictors of untreated dental caries among adolescents.
Discussion
The discussion section of the research paper highlights the effectiveness of the Extreme Gradient Boosting (Xgboost) algorithm in predicting untreated dental caries among adolescents in Brazil’s primary healthcare settings. The study utilized a sample of 520 schoolchildren, with a focus on various factors influencing oral health, including dietary habits and access to dental services. The model achieved an area under the receiver operating characteristic curve (AUC) of 84%, indicating a high predictive accuracy. This finding underscores the potential of machine learning to enhance health service planning and target interventions for vulnerable populations.
However, the study acknowledges limitations, such as its cross-sectional design and the exclusive focus on public school data, which may affect the generalizability of the results. Despite these constraints, the research emphasizes the importance of integrating artificial intelligence into primary healthcare workflows, particularly for identifying adolescents in need of dental care. The authors advocate for the application of implementation science to address barriers to algorithm adoption in healthcare settings, suggesting that health behaviors, such as dental floss use and unhealthy food consumption, should be prioritized in health promotion strategies. Overall, the findings support the use of machine learning as a valuable tool for improving oral health outcomes in Brazilian adolescents.