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

.20 ל ) מספקת כיסוי בריאות כללי באמצעות האסטרטגיה של SUS מחבר המאמר מציין, כי מערכת הבריאות המאוחדת הברזילאית ( ), תוך הגדלה של מספרי שירותי בריאות הפה הראשוניים והמשניים. למרות ההתקדמות במדיניות הציבור FHS בריאות המשפחה ( בברזיל, הרי שקביעת סדרי עדיפויות של סדר היום של רפואת השיניים, במיוחד בנוגע לאוכלוסיית המתבגרים, מהווה אתגר. גיל ההתבגרות מהווה זמן רלוונטי במיוחד ללימוד השימוש בשירותי בריאות והנטל של המחלות הדנטליות, כגון עששת. מצב זה מחזק את חשיבותם של שירותי טיפול ראשוני בארגון גישה והצעת טיפול מקיף למתבגרים, במיוחד לבעלי עששת לא מטופלת. הצורך בטיפול במצבים כגון עששת וכאב, הוא אחת הסיבות העיקריות לשימוש בשירותים הדנטליים בקרב מתבגרים. יתרה מכך, בשנת אחוזים מהמדד. יתרה מכך, המחלה מתרכזת בבני 53 , כאשר עששת לא מטופלת ייצגה 2.1 היה 12 בברזיל בקרב בני DMFT ה- 2010 האדם הפגיעים והמקופחים ביותר מבחינה חברתית. לדברי המחבר, גישה של למידת מכונה תעזור לחזות את המתבגרים הנמצאים בסיכון גבוה יותר לחלות בעששת ותעזור בקביעת ביקורים במרפאת השיניים וביסוס בריאות פה טובה יותר, וכתוצאה מכך איכות המתאר את השפעת אי השוויון החברתי בבריאות הפה, Sisson חיים טובה יותר. גישה זו לא נבדקה באמצעות המודל התיאורטי של על מנת לבחור משתנים הקשורים לעששת, תוך התחשבות במנבאים של קשר והתנהגות אינדיבידואליים. עם זאת, עובדי שירותי ), יכולים לחזות את אותם מתבגרים עם עששת לא מטופלת בעזרת FHS ) באסטרטגיית בריאות המשפחה ( PHC בריאות ראשוניים ( קלט פשוט של משתנים שנאספו על ידי עובדי בריאות בקהילה. ארגון סדר היום של רפואת השיניים וקביעת סדרי עדיפויות הינם בעלי חשיבות לבריאות הפה הקשורה לבריאות הכללית והעולמית. מטרה . ההשערה שנבדקה היא, Sisson המחקר הנוכחי בא לחזות מתבגרים עם עששת לא מטופלת באמצעות המודל התיאורטי של שהמשתנים הנבחרים המכילים משתני התנהגות אינדיבידואליים, קונטקסטואליים ובריאותיים יהיו בעלי ביצועים טובים, כלומר, אחוזים מהמתבגרים עם עששת לא מטופלת. החוקר השתמש בנתונים אשר הגיעו מסקר אפידמיולוגי 70- יאפשרו לחזות נכון מעל ל בחמש הערים הגדולות במאטו גרוסו דו סול, ברזיל. נתונים על מאפיינים סוציו-דמוגרפיים, צריכה של מזונות לא בריאים והתנהגויות . Sisson מתבגרים באמצעות המודל התיאורטי של 615- (שימוש בחוט דנטלי וצחצוח שיניים) נאספו מ - ספריית תוכנה Extreme Gradient Boost (אלגוריתם XGboost )1( : עבור למידת מכונה, נעשה שימוש בשלושה אלגוריתמים שונים ) עץ החלטות (מודל היררכי תומך החלטות המשתמש במודל דמוי 2( ,) בקוד פתוח המספקת מסגרת לרגולציה של הגברת שיפוע ) רגרסיה לוגיסטית. קו 3(- עץ של החלטות והשלכותיהן האפשריות, כולל תוצאות אירוע מקרי, עלויות, משאבים ושימושיות) ו הבסיס האפידמיולוגי שימש לאימון ולבדיקת ניבויים לאיתור משתתפים עם עששת לא מטופלת, באמצעות שמונה משתנים מנבאים אחוזים עבור 81 אחוזים לעומת 84 ) של AUC פעל טוב יותר עם שטח מתחת לעקומה ( xgboost המתבגרים, 615 עיקריים. עבור אלגוריתם עץ ההחלטות. המשתנים החשובים ביותר היו שימוש בחוט דנטלי, צריכת מזון לא בריא, גזע, וחשיפה למים מופלרים. מסקנות לדעת החוקר, צוותי בריאות המשפחה יכולים לשפר את תהליך העבודה ולהשתמש במנגנוני בינה מלאכותית על מנת לחזות מתבגרים עם עששת לא מטופלת, ובדרך זו לקבוע פגישות במרפאת השיניים לשם טיפול מוקדם יותר במתבגרים.

Aiello Bomfim R. Machine learning to predict untreated dental caries in adolescents. BMC Oral Health 2024; doi.org/10.1186/s12903- 024-04073-4

64