Bu tədqiqat 30–50 yaş arasındakı böyüklərinhazırda diş həkimi qiymətləndirilməsinə ehtiyac duyub-duymadığını, klinik müayinə və ya laboratoriya testi tələb etməyən 14 əlçatan göstərici əsasında proqnozlaşdıran çoxdəyişənli logistik reqressiya modeli hazırlayır. Modelin məqsədi diş xəstəliyinə diaqnoz qoymaq deyil; şəxsin peşəkar dental qiymətləndirməyə yönləndirilməsinin lazım olub-olmadığını skrininq səviyyəsində proqnozlaşdırmaqdır.

Model ABŞ National Health and Nutrition Examination Survey (NHANES) 2011–2012 məlumatlarında 30–50 yaş arasındakı dişli böyüklər üzərində hazırlanmış və müstəqil NHANES 2013–2014 kohortunda xarici validasiyadan keçirilmişdir. Hədəf nəticə şəxsin öz qavrayışı deyil, lisenziyalı diş həkimlərinin standart klinik müayinənin sonunda verdiyi rəsmi qulluq tövsiyəsidir.

Xarici validasiyada model AUC 0,822, %73,5 həssaslıq və %79,0 spesifiklik təmin etmişdir. Kalibrasiya meyli 0,85, intercept isə 0,04-dür. Decision Curve Analysis xüsusilə 0,33 qərar həddində modelin hamını avtomatik olaraq diş həkiminə yönləndirən yanaşma ilə müqayisədə daha yüksək xalis fayda verə biləcəyini göstərmişdir.

Lakin tədqiqat gələcəkdə yaranacaq diş xəstəliklərini proqnozlaşdıran longitudinal risk modeli deyil. Kəsiyəvi NHANES məlumatlarından istifadə edilmiş və model ABŞ-da 30–50 yaş qrupunda validasiya olunmuşdur. Müxtəlif ölkələrdə və ya səhiyyə sistemlərində istifadə edilməzdən əvvəl yerli validasiya və yenidən kalibrasiya tələb olunur.

Diş həkiminə getmə ehtiyacını niyə proqnozlaşdırmaq lazımdır?

Diş kariyesi, periodontal xəstəlik və zəif ağız gigiyenası yetkinlik boyunca tez-tez görülsə də, peşəkar qiymətləndirmə ehtiyacı bir çox insan tərəfindən fərq edilməyə bilər.

Bir şəxs ağrı hiss etmədiyinə görə ağız sağlamlığını yetərli hesab edə bilər; lakin klinik müayinə:

• aktiv kariyes,
• periodontal problem,
• yüksək plak və ya kalkulus yığılması,
• uğursuz restavrasiya,
• yumşaq toxuma lezyonu

kimi peşəkar qiymətləndirmə tələb edən halları üzə çıxara bilər.

Buna görə tədqiqatın məqsədi şəxsin təkbaşına və ya ilkin səhiyyə mühitində asanlıqla cavablandıra biləcəyi suallardan istifadə etməklə peşəkar qiymətləndirmə ehtiyacını əvvəlcədən təsnif edə bilən miqyaslana bilən skrininq yanaşması hazırlamaqdır.

Model Əslində Nəyi Proqnozlaşdırır?

Model “kariyesiniz var”, “periodontitiniz var” və ya “bu diş müalicə edilməlidir” kimi diaqnozlar vermir. Proqnozlaşdırılan hədəf NHANES diş həkimlərinin standart müayinə sonunda verdiyi ümumi qulluq tövsiyəsidir.

NHANES daxilində dörd kateqoriya mövcuddur:

1. Dərhal diş həkiminə get.
2. İki həftə ərzində diş həkiminə get.
3. İlk fürsətdə diş həkiminə get.
4. Rutin ağız baxımına davam et.

Tədqiqatçı bu dörd nəticəni iki sinfə endirmişdir:

1 = Diş həkiminə getmə ehtiyacı var

0 = Rutin ağız baxımına davam

Beləliklə, problem ikili təsnifat/proqnozlaşdırma probleminə çevrilir.

Model Hansı 14 Məlumatdan İstifadə Edir?

Modeldə əvvəlcədən müəyyən edilmiş 14 proqnozlaşdırıcı vardır.

Bu 14 girişdən 11-i çoxseçimli şəkildə cavablandırıla bilər. Rəqəmsal giriş tələb edən yalnız üç dəyişən vardır:

• yaş,
• bel çevrəsi,
• ailə gəliri/yoxsulluq nisbəti.

Bu quruluş modelin evdə istifadə və ya rəqəmsal səhiyyə tətbiqlərinə inteqrasiya üçün niyə uyğun hesab edildiyini izah edir.

Niyə Logistik Reqressiyadan İstifadə Edildi?

Nəticə iki siniflidir:

\[ Y= \begin{cases} 1,& \text{diş hekimine git}\\ 0,& \text{rutin bakıma devam} \end{cases} \]

Logistik reqressiya bu iki nəticədən birinin ehtimalını bir neçə proqnozlaşdırıcı əsasında hesablamaq üçün uyğundur.

Ümumi model:

\[ P(Y=1)= \frac{1} {1+e^{-(\beta_0+\beta_1X_1+\cdots+\beta_{14}X_{14})}} \]

şəklindədir.

Burada:

• \(X_i\) istifadəçinin verdiyi məlumatlar,
• \(\beta_i\) hər proqnozlaşdırıcının model əmsalı,
• \(P(Y=1)\) isə diş həkimi qiymətləndirilməsinə ehtiyac ehtimalıdır.

Tədqiqatda dəyişənlər avtomatik stepwise alqoritmi ilə seçilməmişdir. On dörd dəyişən əvvəlcədən müəyyən edilmiş və hamısı eyni multivariable modelə məcburi şəkildə daxil edilmişdir.

Çatışmayan Məlumatlar Necə İdarə Edildi?

NHANES məlumatlarındakı çatışmayan müşahidələri tamamilə silmək əvəzinə Multiple Imputation tətbiq edilmişdir.

Tədqiqatda:

m = 20

tamamlanmış məlumat dəsti yaradılmışdır.

Metod:

• Fully Conditional Specification,
• Predictive Mean Matching

əsasında qurulmuşdur.

İmputasiya modelində 14 əsas proqnozlaşdırıcı və nəticə dəyişəninə əlavə olaraq HbA1c, sistolik qan təzyiqi, ümumi xolesterin, BMI və diş sayı köməkçi dəyişənlər kimi istifadə edilmişdir.

Bu köməkçi dəyişənlər yalnız çatışmayan məlumatların bərpası üçündür; yekun logistik reqressiya modelinə daxil edilməmişdir.

Xarici validasiya məlumat dəsti inkişaf məlumatlarından tamamilə müstəqil şəkildə imputasiya edilmişdir. Bu dizayn məlumat sızması riskini azaldır.

Məlumat Dəstləri Necə Ayrıldı?

NHANES 2011–2012 analitik nümunəsi:

n = 1870

şəxsdən ibarətdir.

Bunun:

• %90’ı inkişaf/təlim kohortu:n = 1686
• %10’u internal hold-out validasiya:n = 184

olaraq ayrılmışdır.

Əsas və həlledici validasiya isə müstəqil NHANES 2013–2014 kohortunda aparılmışdır:

n = 2024

Bu ayrım vacibdir; model yalnız öz təlim məlumatında qiymətləndirilməmişdir.

Tədqiqatın Metodu və Nəticələri

30–50 yaş qrupunda peşəkar qiymətləndirmə ehtiyacı

İnkişaf kohortunda diş həkiminə getmə ehtiyacının çəkiləndirilmiş prevalensi:

%49,3

olaraq hesablanmışdır.

Başqa sözlə, bu nümunədə təxminən hər iki şəxsdən biri standart NHANES dental müayinəsinə əsasən rutin qulluqdan əlavə peşəkar dental qiymətləndirmə tövsiyəsi almışdır.

Ən güclü proqnozlaşdırıcılardan biri: son diş həkimi ziyarəti

Modelin izah gücünə ən böyük unikal töhfəni:

Son diş həkimi ziyarəti — ΔR² = 0,0304

vermişdir.

Altı ay ərzində diş həkiminə getmiş şəxslərlə müqayisədə:

• 1–2 il əvvəl getmiş şəxslərdə aOR ≈ 3,21,
• 2–3 il əvvəl getmiş şəxslərdə aOR ≈ 2,35,
• 3–5 il əvvəl getmiş şəxslərdə aOR ≈ 3,49,
• 5 ildən çoxdur getməyən/heç getməyən şəxslərdə aOR ≈ 3,02

tapılmışdır.

Bu dəyərlər səbəbli risk nisbətləri deyil, digər model dəyişənləri nəzərə alındıqdan sonra mövcud dental qiymətləndirmə ehtiyacı ilə əlaqəli odds ratio-lardır.

Şəxsin öz ağız sağlamlığını qiymətləndirməsi

Diş və diş ətlərini “excellent” kimi qiymətləndirənlərlə müqayisədə:

• “fair” qiymətləndirmə:aOR 3,06
• “poor” qiymətləndirmə:aOR 4,53

ilə əlaqələndirilmişdir.

Bu dəyişəndə pisləşən özünüqiymətləndirmənin daha yüksək peşəkar qulluq ehtiyacı ilə paralel getdiyi aydın doz-cavab nümunəsi görünür.

Siqaret

Siqaret istifadə etməyənlərlə müqayisədə:

• bəzi günlər siqaret istifadə edənlərdəaOR 3,34,
• hər gün siqaret istifadə edənlərdəaOR 2,79

tapılmışdır.

Maraqlıdır ki, fasiləli siqaret qrupunun tənzimlənmiş odds ratio dəyəri gündəlik siqaret qrupundan daha yüksəkdir. Bu nəticə siqaret dozasının tərs bioloji təsirə malik olduğu kimi şərh edilməməlidir; kateqoriya ölçüsü, digər dəyişənlərlə əlaqələr və multivariable adjustment bu əmsallara təsir göstərə bilər.

Cins

Qadınlar istinad qrup götürüldükdə kişilərdə:

aOR = 2,30

tapılmışdır.

Bu da tədqiqat populyasiyasında digər proqnozlaşdırıcılar nəzarətdə saxlanıldıqda kişi cinsinin daha yüksək diş həkimi qiymətləndirməsi ehtiyacı ilə əlaqəli olduğunu göstərir.

Gəlir və bel çevrəsi

Ailə gəlirinin yoxsulluq həddinə nisbəti artdıqca ehtimal azalmışdır:

aOR = 0,82

Bel çevrəsinin hər santimetr artımı üçün:

aOR = 1,016

ilə əlaqə müəyyən edilmişdir.

Bu əlaqələr fərdi səbəblilik demək deyil; model daxilində proqnozlaşdırma siqnallarıdır.

Diabet və yüksək qan təzyiqi

Self-reported diabetes-ın xam əlaqəsi güclü görünsə də, digər dəyişənlər nəzarətdə saxlanıldıqda:

aOR = 1,09, p = 0,790

olmuşdur.

Yüksək qan təzyiqi üçün də tənzimlənmiş əlaqə:

aOR = 1,15, p = 0,425

ilə əhəmiyyətli deyil.

Bu nəticə təkdəyişənli əlaqələrin çoxdəyişənli model daxilində əhəmiyyətli dərəcədə dəyişə biləcəyini göstərir.

Model Nə Qədər Yaxşı Ayırd Edir?

Xarici validasiya

Müstəqil NHANES 2013–2014 kohortunda:

AUC 0,822 modelin diş həkimi qiymətləndirilməsinə ehtiyac duyan və duymayan şəxsləri təsadüfdən nəzərəçarpacaq dərəcədə yaxşı ayırd etdiyini göstərir.

Daxili validasiya

184 nəfərlik hold-out məlumat dəstində:

Daxili və xarici validasiyada AUC dəyərlərinin bir-birinə yaxın olması ayırdetmə performansının iki müstəqil qiymətləndirmə axınında oxşar qalması ilə uyğundur.

Kalibrasiya Nəyi Göstərir?

Yaxşı proqnozlaşdırma modeli yalnız şəxsləri düzgün sıralamamalı; yaratdığı ehtimallar real müşahidə olunan risklə də uyğun olmalıdır.

Xarici validasiyada:

• kalibrasiya meyli = 0,85
• intercept = 0,04

tapılmışdır.

İdeal modeldə meyl təxminən 1, intercept isə təxminən 0-dır.

Intercept-in 0-a yaxın olması ümumi risk səviyyəsində sistematik sapmanın məhdud olduğunu düşündürür.

Meylin 1-dən aşağı olması isə əmsalların yeni kohortda bir qədər artıq kəskin davrana biləcəyinə, yəni məhdud səviyyədə overfitting/optimism olduğuna işarə edir.

Müəllif buna baxmayaraq kalibrasiyanın ümumi risk diapazonunda güclü qaldığını və xüsusilə yüksək risk səviyyələrində yaxşı uyğunluq göstərdiyini bildirir.

Decision Curve Analysis Nəyi Göstərir?

ROC/AUC modelin ayırdetmə qabiliyyətini göstərir; lakin klinikada əsas sual “Bu modeli istifadə etmək qərarverməni həqiqətən yaxşılaşdırırmı?”dır.

Decision Curve Analysis bu sualınet benefitüzərindən qiymətləndirir.

Tədqiqatda model xarici validasiya kohortunda sınaqdan keçirilmiş hədlər boyunca:

• hamını diş həkiminə yönləndirmə,
• heç kəsi yönləndirməmə

strategiyalarından daha yüksək xalis fayda göstərmişdir.

0,33 Hədd Dəyəri Niyə Vacibdir?

Tədqiqatda klinik istifadəyə yönəlik prioritet hədd:

\(P_t=0,33\)

olaraq qiymətləndirilmişdir.

Bu həddə modelin xalis faydası:

0,354

olduğu halda hamını yönləndirmə yanaşmasında:

0,284

olaraq hesablanmışdır.

Aradakı:

ΔNB = 0,070

fərqi Decision Curve Analysis çərçivəsində təxminən:

100 nəfərdə 14 lazımsız qiymətləndirmədən qaçmağa ekvivalent

olaraq şərh edilmişdir.

Bu, real prospektiv klinik sınaqda 100 nəfərdən dəqiq olaraq 14 ziyarətin qarşısının alındığı demək deyil; riyazi qərar analizi ekvivalentidir.

0,33 həddində klinik tapıntıların aşkarlanması

Xarici validasiyada 0,33 həddi:

• kariyes olan şəxslər üçün təxminən%90,4 həssaslıq,
• diş əti xəstəliyi üçün təxminən%87,1 həssaslıq

təmin etmişdir.

Bu dəyərlər 0,50 həddində müvafiq olaraq %78,9 və %79,3-dür.

Beləliklə, daha aşağı hədd daha çox potensial halı aşkarlayır, lakin bunun müqabilində daha çox şəxsi peşəkar qiymətləndirməyə yönləndirir.

Bu Model Diş Xəstəliyinə Diaqnoz Qoya Bilərmi?

Xeyr. Model kariyes, periodontit, oral lezyon və ya başqa dental xəstəlik üçün diaqnostik vasitə deyil.

Yaratdığı nəticə yalnız:

“Peşəkar diş həkimi qiymətləndirməsi tövsiyə olunur”

və ya

“Rutin ağız baxımına davam”

şəklində skrininq/triage qərarına yönəlib.

Buna görə pozitiv nəticə müəyyən xəstəliyin mütləq mövcud olduğunu; neqativ nəticə isə şəxsin mütləq xəstəliksiz olduğunu göstərmir.

Bu Model Türkiyədə Birbaşa İstifadə Oluna Bilərmi?

Mənbə tədqiqat bunu təsdiqləmir.

Model:

• ABŞ NHANES populyasiyasında hazırlanmışdır,
• 30–50 yaş arasındakı dişli böyüklərlə məhdudlaşır,
• ABŞ-dakı səhiyyə xidmətlərindən istifadə, sosial-iqtisadi quruluş və mədəni özünüqiymətləndirmə nümunələrini ehtiva edir.

Xüsusilə:

• irq/etnik mənşə kateqoriyaları,
• PIR,
• diş həkimindən istifadə vərdişləri,
• səhiyyə sisteminə çıxış

ölkələr arasında fərqlənə bilər.

Müəllif buna görə beynəlxalq istifadədən əvvəl yerli validasiyanın və lazım gəldikdə yenidən kalibrasiyanın aparılmasını zəruri hesab edir.

Tədqiqatın Əsas Məhdudiyyətləri Nələrdir?

• Tədqiqat kəsiyəvidir; gələcək xəstəlik insidensiyasını proqnozlaşdırmır.
• Bəzi proqnozlaşdırıcılar şəxsin öz bildirişinə əsaslanır.
• Recall bias və social desirability bias yarana bilər.
• Detallı qidalanma məlumatları modelə daxil edilməmişdir.
• Validasiya olunmuş psixososial şkalalar məlumat dəstində yoxdur.
• Potensial incorporation bias tamamilə sıfırlana bilməz; lakin NHANES protokolundakı müstəqil məlumat toplama və examiner blinding ilə azaldılmışdır.
• Model yalnız ABŞ-da və 30–50 yaş qrupunda validasiya olunmuşdur.
• Başqa ölkələrdə istifadədən əvvəl yerli validasiya tələb olunur.
• Kalibrasiya meyli 0,85-dir və yeni populyasiyalarda əməli recalibration tələb oluna bilər.
• Model peşəkar müayinənin yerini tutmur.

Mənbə və Metod Qeydi

Bu Verianla məzmunu Miika Penttala tərəfindən hazırlanmışPredicting the Need to Visit a Dentist in Young to Middle-Aged Adults: A Development and External Validationbaşlıqlı akademik tədqiqata əsaslanaraq müstəqil şəkildə hazırlanmışdır.

MəqaləDentistry Journaljurnalında 2026-cı ildə, Cild 14, Məqalə 398 olaraq dərc edilmişdir. DOI:10.3390/dj14070398. Nəşr tarixi 1 iyul 2026-dır. Tədqiqat MDPI tərəfindən Creative Commons Attribution (CC BY) lisenziyası altında açıq girişli olaraq yayımlanmışdır.

Tədqiqat NHANES 2011–2014 məlumatlarına əsaslanan kəsiyəvi klinik proqnozlaşdırma modelinin hazırlanması və xarici validasiyası işidir. NHANES 2011–2012 inkişaf mənbəyi, NHANES 2013–2014 isə müstəqil temporal xarici validasiya kohortu kimi istifadə edilmişdir.

Hədəf nəticə NHANES-in lisenziyalı diş həkimləri tərəfindən verilən Overall Recommendation for Care dəyişənidir. “Dərhal”, “iki həftə ərzində” və “ilk fürsətdə” diş həkiminə getmə tövsiyələri vahid pozitiv sinifdə birləşdirilmiş, “rutin baxıma davam” isə neqativ sinif kimi istifadə olunmuşdur.

Model əvvəlcədən müəyyən edilmiş 14 proqnozlaşdırıcıya əsaslanan çoxdəyişənli logistik reqressiyadır. Dəyişənlər avtomatik stepwise seçimlə deyil, klinik istifadə edilə bilmə və ağız sağlamlığı ilə əlaqələri əsasında əvvəlcədən müəyyən edilmişdir.

Çatışmayan məlumatlar 20 çoxsaylı imputasiya ilə idarə edilmiş; external validation kohortu inkişaf məlumatından müstəqil şəkildə işlənmişdir. Model performansı AUC, Brier skoru, həssaslıq, spesifiklik, kalibrasiya və Decision Curve Analysis ilə qiymətləndirilmişdir.

Müstəqil xarici validasiyada AUC 0,822, kalibrasiya meyli 0,85 və intercept 0,04 olaraq bildirilmişdir. 0,50 həddində həssaslıq %73,5 və spesifiklik %79,0-dır.

0,33 qərar həddində bildirilən “100 nəfərdə təxminən 14 lazımsız qiymətləndirmədən qaçma” ifadəsi real dünya prospektiv istifadə nəticəsini deyil, Decision Curve Analysis daxilində hesablanmış xalis-fayda ekvivalentini ifadə edir.

Tədqiqat gələcəkdə diş xəstəliyinin yaranmasını proqnozlaşdırmır və dental diaqnoz qoymur. Modelin məqsədi peşəkar diş həkimi qiymətləndirməsinə mövcud ehtiyacın skrininqidir. ABŞ xaricində istifadə üçün yerli validasiya və yenidən kalibrasiya tələb olunur.

Tədqiqat xarici maliyyələşmə almamışdır. İstifadə edilən NHANES protokolu NCHS Research Ethics Review Board tərəfindən təsdiqlənmiş və iştirakçılardan məlumatlandırılmış razılıq alınmışdır. Bu tədqiqat açıq şəkildə əlçatan anonimləşdirilmiş məlumatlardan istifadə edən ikincili analizdir. Müəllif maraqlar toqquşması bildirməmişdir.