עדכן רפואת שיניים - גיליון 190 מרץ-אפריל Israel Dental Update no.190 March-April 2024

.4 לדברי מחברי המאמר, בקרב מתרפאים רבים הימנעות מטיפולי שיניים נקשרת עם פחד וחרדה מרופאי השיניים ומובילה להידרדרות במצב בריאות הפה שלהם. במקרים חמורים של חרדה דנטלית, היחסים בין רופא השיניים לבין המתרפא עלולים להיפגע ולעיתים להוביל לאבחון שגוי של חרדה מכאב, שעלולה לגרום למתן טיפול שגוי. הכלי התקני והמאומת למדידת חרדה דנטלית ידוע בשם אחוזים מהנבדקים דיווחו על הופעת חרדה דנטלית 51 . מחקרים עדכניים הראו כי Modified Dental Anxiety Scale ( MDAS ה-) אחוזים במבוגרים. מחקרים הראו הבדלי מגדר וגיל בשכיחות של חרדה דנטלית אך חשוב 27- אחוזים בגיל ההתבגרות ו 22 , בילדות מכך, ההבדלים הסוציו-אקונומיים מטרידים בעיקר בגלל החשש מעלות הטיפול. מחקרים קודמים בארצות הברית התמקדו בחרדה דנטלית בקרב ילדים ומבוגרים, עם מחקרים בודדים בלבד בקרב מבוגרים צעירים או מתבגרים. לפיכך, קיים לדעת המחברים צורך במחקרים נוספים בקרב מבוגרים צעירים על מנת להבין את משתני החשיפה הקליניים התורמים לחרדה דנטלית. למידת מכונה ) מפוקחת היא תת-קבוצה של בינה מלאכותית המשמשת בחיזוי של מדדי תוצאה המבוססים על מספר מדדי קלט. מטרת מודל ML ( היא לייעל את הפשרה הנמצאת בין הטיה לבין שונות ולמנוע התאמת יתר או חסר של המודל. למידת מכונה מספקת גישה ML ה רּוּבוסטִית לזיהוי ובחירה של המנבאים החשובים ביותר, מבלי להיתקל בבעיות של התכנסות מספרית ו"קללת הממדיות", מצב בו ככל שמספר הממדים או התכונות גדל, כמות הנתונים הדרושה על מנת להכליל את מודל למידת המכונה גדלה באופן אקספוטנציאלי, תופעה שכיחה במודלים סטטיסטיים קלאסיים עם הרבה משתנים מנבאים. בנוסף, קיים לדברי מחברי המאמר מחסור בספרות בניבוי תוצאות בריאות הפה כגון חרדה דנטלית. ML המשווה מודלים סטטיסטיים קלאסיים ומודל מטרה המחקר הנוכחי בא לחזות ולזהות את גורמי החשיפה הדמוגרפיים והקליניים העיקריים הקשורים לחרדה דנטלית בקרב מבוגרים צעירים, ולהשוות באם גישת המודלים הסטטיסטיים המסורתיים מספקת תוצאות דומות לגישת למידת מכונה בחיזוי גורמים לחרדה דנטלית. המחברים ערכו מחקר חתך בקרב סטודנטים מאוניברסיטת מערב אילינוי. שלושה מכשירי סקר: שאלון סוציודמוגרפי, סולם חרדת ) הופצו לסטודנטים באמצעות הדואר האלקטרוני באמצעות DCA ) וכלי הערכת חששות מטיפולי שיניים ( MDAS השיניים המעודכן ( הממוצעים, MDAS (משוב מבוסס בינה מלאכותית המספק סקרים מקוונים). המשתנה התלוי היה ציוני ה- survey monkey מערכת בעוד שהמשתנים הבלתי תלויים היו משתני הערכת החשש הסוציו-דמוגרפי והדנטלי. ניתוח רב משתנים נעשה על ידי השוואה בין המודל הסטטיסטי הקלאסי לבין מודל למידת המכונה. טכניקת הדוגמנות הסטטיסטית הקלאסית בוצעה באמצעות ניתוח רגרסיה . לאחר בחינה מדוקדקת של כל המודלים המתאימים ומונחי 5.51 ± 13.73 ליניארית. ממוצע סולם חרדת השיניים המעודכן היה משתנים מנבאים. עבור גישת למידת המכונה, מודל 13 האינטראקציה שלהם, הגישה הסטטיסטית הקלאסית הניבה מודל חסכני עם הרגרסיה של לאסו היה המודל בעל הביצועים הטובים ביותר. בהשוואה בין בחירת המשתנים של למידת מכונה לעומת המודל ) כמנבאים החשובים ביותר של חרדה דנטלית 13 משתנים דומים (מתוך 12 הסטטיסטי הקלאסי נמצא, כי שני סוגי המודלים זיהו באוכלוסיית המחקר הזו. מסקנות לדברי החוקרים, קיים עומס גבוה של חרדה דנטלית באוכלוסיית המחקר שנבדקה. המחקר תורם לצמצום פער הידע לגבי השפעתם של משתני חשיפה קליניים על חרדה דנטלית ותפקידה של למידת מכונה בחיזוי חרדה דנטלית. ניתן להשתמש במשתני המנבאים שזוהו על מנת להשפיע על התערבויות בבריאות הציבור המיועדות להעלמת גורמי החשיפה הקליניים הפרטניים של חרדה דנטלית.

Ogwo C, Osisioma W, Ifeanyi Okoye D, Patel J. Predicting dental anxiety in young adults: Classical statistical modelling approach versus machine learning approach. BMC Oral Health 2024; doi. org/10.1186/s12903 024-04012-3

22