Bu tedḳīḳ, 30–50 yaş arasındaki yetişkinlerino ânda diş ṭabîbi muʿâyenesine iḥtiyâc duyup duymadığını, klinik muʿâyene yâḫud laboratuvar tecrübesi îcâb etdirmeyen 14 erişilebilir gösterge üzerinden taḫmîn eden müteʿaddid müteġayyirli bir lojistik regresyon modeli inkişaf etdirir. Modelin ġāyesi diş marazına teşḫîṣ ḳoymak değildir; kişinin profesyonel dental muʿâyeneye sevḳ edilmesinin lâzım olup olmadığını tarama seviyesinde taḫmîn etmekdir.

Model ABD National Health and Nutrition Examination Survey (NHANES) 2011–2012 verilerindeki 30–50 yaş arası dişli yetişkinlerde inkişaf etdirilmiş ve müstaḳil NHANES 2013–2014 kohortunda hâricî doğrulamaya tâbiʿ tutulmuşdur. Hedef netîce kişinin kendi idrâki değil, ruhṣatlı diş ṭabîblerinin standart klinik muʿâyene nihâyetinde verdiği resmî baḳım tavṣiyesidir.

Hâricî doğrulamada model AUC 0,822, %73,5 ḥassâsiyyet ve %79,0 özgüllük sağlamışdır. Kalibrasyon meyli 0,85 ve intercept 0,04’dür. Decision Curve Analysis, ḫuṣûṣen 0,33 ḳarâr eşiğinde modelin herkesi otomatik olarak diş ṭabîbine sevḳ eden usûle nisbetle daha yüksek net benefit sağlayabileceğini göstermişdir.

Lâkin tedḳīḳ ileride zuhûr edecek diş marazlarını taḫmîn eden longitudinal bir risk modeli değildir. Kesitsel NHANES verileri istiʿmâl olunmuş ve model ABD’de 30–50 yaş zümresinde doğrulanmışdır. Muḫtelif memleketlerde yâḫud ṣıḥḥat sistemlerinde istiʿmâl edilmeden evvel maḥallî doğrulama ve yeniden kalibrasyon lâzımdır.

Niçün diş ṭabîbine gitme iḥtiyâcını taḫmîn etmek lâzımdır?

Diş çürüğü, periodontal maraz ve kötü ağız ḥıfẓıṣṣıḥḥası yetişkinlik devâmınca sık görülse de profesyonel muʿâyene iḥtiyâcı birçok kimse tarafından farḳ edilmeyebilir.

Bir kimse ağrı ḥissetmediği içün ağız ṣıḥḥatini kâfî görebilir; lâkin klinik muʿâyene:

• faʿâl çürük,
• periodontal problem,
• yüksek plak yâḫud kalkülüs terâkümü,
• nâ-kâmil restorasyon,
• yumuşaḳ doku lezyonu

gibi profesyonel muʿâyene isteyen ḥâlleri meydana çıḳarabilir.

Bu sebeple tedḳīḳin ġāyesi, kişinin kendi başına yâḫud birinci basamak ṣıḥḥat muḥîtinde kolaylıkla cevâb verebileceği suʾâlleri istiʿmâl ederek profesyonel muʿâyene iḥtiyâcını evvelden tasnîf edebilecek ölçeklenebilir bir tarama usûlü inkişaf etdirmekdir.

Model Ḥaḳīḳaten Neyi Taḫmîn Ediyor?

Model “çürüğünüz var”, “periodontitisiniz var” yâḫud “şu dişin tedâvî edilmesi lâzım” gibi teşḫîṣler üretmez. Taḫmîn olunan hedef, NHANES diş ṭabîblerinin standart muʿâyene nihâyetinde verdiği ʿumûmî baḳım tavṣiyesidir.

NHANES dâḫilinde dört sınıf vardır:

1. Diş ṭabîbine derḥâl git.
2. İki hafta içinde diş ṭabîbine git.
3. İlk fırsatda diş ṭabîbine git.
4. Rutin ağız baḳımına devâm et.

Muḥaḳḳıḳ bu dört netîceyi iki sınıfa indirmişdir:

1 = Diş ṭabîbine gitme iḥtiyâcı var

0 = Rutin ağız baḳımına devâm

Böylece mesele ikili tasnîf/taḫmîn meselesine dönüşür.

Model Ḥangi 14 Maʿlûmâtı İstiʿmâl Ediyor?

Modelde evvelden taʿyîn edilmiş 14 öngörücü vardır.

Bu 14 girdinin 11’i çoktan seçmeli sûretde cevâblanabilir. ʿAdedî girdi isteyen yalnız üç müteġayyir vardır:

• yaş,
• bel muḥîṭi,
• âile geliri/faḳr nisbeti.

Bu yapı modelin evde istiʿmâl yâḫud dijital ṣıḥḥat uygulamalarına idmâc içün niçün münâsib görüldüğünü açıklar.

Niçün Lojistik Regresyon İstiʿmâl Edildi?

Netîce iki sınıflıdır:

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

Lojistik regresyon, bu iki netîceden birinin iḥtimâlini müteʿaddid öngörücü üzerinden ḥesâblamaya münâsibdir.

ʿUmûmî model:

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

şeklindedir.

Burada:

• \(X_i\) kullanıcı tarafından verilen maʿlûmât,
• \(\beta_i\) her öngörücünün model emsâli,
• \(P(Y=1)\) ise diş ṭabîbi muʿâyenesine iḥtiyâc iḥtimâlidir.

Tedḳīḳde müteġayyirler otomatik stepwise algoritma ile seçilmemişdir. On dört müteġayyir evvelden taʿyîn edilmiş ve cümlesi aynı multivariable modele mecbûren dâḫil edilmişdir.

Nāḳıṣ Veriler Naṣıl Ele Alındı?

NHANES verilerindeki nāḳıṣ müşâhedeleri tamamen silmek yerine Multiple Imputation tatbîḳ olunmuşdur.

Tedḳīḳde:

m = 20

tamamlanmış veri seti teşkîl olunmuşdur.

Usûl:

• Fully Conditional Specification,
• Predictive Mean Matching

üzerine müessesdir.

İmputasyon modelinde 14 esas öngörücü ve netîce müteġayyirine ilâveten HbA1c, sistolik ḳan basıncı, toplam kolesterol, BMI ve diş ʿadedi muʿâvin müteġayyirler olarak istiʿmâl olunmuşdur.

Bu muʿâvin müteġayyirler yalnız nāḳıṣ verinin iʿâdesi içündür; nihaî lojistik regresyon modeline dâḫil edilmemişdir.

Hâricî doğrulama veri seti inkişaf verisinden tamamen müstaḳil sûretde imputasyona tâbiʿ tutulmuşdur. Bu taṣarım veri sızıntısı riskini azaltır.

Veri Kümeleri Naṣıl Ayrıldı?

NHANES 2011–2012 analitik numûnesi:

n = 1870

kişiden müteşekkildir.

Bunun:

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

olarak ayrılmışdır.

Esas ve belirleyici doğrulama ise müstaḳil NHANES 2013–2014 kohortunda yapılmışdır:

n = 2024

Bu tefrîḳ mühümdür; model yalnız kendi taʿlîm verisinde değerlendirilmemişdir.

Tedḳīḳin Usûlü ve Bulguları

30–50 yaş zümresinde profesyonel muʿâyene iḥtiyâcı

İnkişaf kohortunda diş ṭabîbine gitme iḥtiyâcının ağırlıklandırılmış prevalansı:

%49,3

olarak ḥesâblanmışdır.

Başka bir taʿbîrle bu numûnede taḳrîben her iki kişiden biri standart NHANES dental muʿâyenesine göre rutin baḳımın ötesinde profesyonel dental muʿâyene tavṣiyesi almışdır.

En ḳuvvetli öngörücülerden biri: son diş ṭabîbi ziyâreti

Modelin îżâḥ ḳudretine en büyük münferid katkıyı:

Son diş ṭabîbi ziyâreti — ΔR² = 0,0304

sağlamışdır.

Altı ay içinde diş ṭabîbine gitmiş kimselere nisbetle:

• 1–2 yıl evvel gitmiş olanlarda aOR ≈ 3,21,
• 2–3 yıl evvel gitmiş olanlarda aOR ≈ 2,35,
• 3–5 yıl evvel gitmiş olanlarda aOR ≈ 3,49,
• 5 yıldan ziyâde müddet gitmemiş/hiç gitmemiş olanlarda aOR ≈ 3,02

bulunmuşdur.

Bu ḳıymetler illî risk nisbetleri değil, diğer model müteġayyirleri ḥesâba katıldıkdan sonra mevcûd dental muʿâyene iḥtiyâcıyla alâḳalı odds ratio’lardır.

Kişinin kendi ağız ṣıḥḥati değerlendirmesi

Diş ve dişetlerini “excellent” olarak değerlendirenlere nisbetle:

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

ile alâḳalandırılmışdır.

Bu müteġayyirde kötüleşen öz değerlendirme ile daha yüksek profesyonel baḳım iḥtiyâcının birlikte ilerlediği bâriz bir doz-cevâb örüntüsü görülür.

Sigara

Sigara istiʿmâl etmeyenlere nisbetle:

• baʿżı günler sigara istiʿmâl edenlerdeaOR 3,34,
• her gün sigara istiʿmâl edenlerdeaOR 2,79

bulunmuşdur.

Şâyân-ı dikkatdir ki aralıklı sigara zümresinin ayarlanmış odds ratio ḳıymeti günlük sigara zümresinden daha yüksekdir. Bu netîce sigara dozunun ters biyolojik teʾsîri olduğu şeklinde tefsîr edilmemelidir; kategori büyüklüğü, diğer müteġayyirlerle alâḳalar ve multivariable adjustment bu emsâllere teʾsîr edebilir.

Cinsiyyet

Ḳadınlar referans alındığında erkeklerde:

aOR = 2,30

bulunmuşdur.

Bu da tedḳīḳ popülasyonunda diğer öngörücüler kontrol edildiğinde erkek cinsiyyetinin daha yüksek diş ṭabîbi muʿâyene iḥtiyâcıyla alâḳalı olduğunu gösterir.

Gelir ve bel muḥîṭi

Âile gelirinin faḳr ḥaddine nisbeti arttıḳça iḥtimâl azalmışdır:

aOR = 0,82

Bel muḥîṭi içün her santimetrelik artış:

aOR = 1,016

ile alâḳalandırılmışdır.

Bu alâḳalar ferdî illiyyet maʿnâsına gelmez; model içindeki taḫmîn sinyalleridir.

Diyabet ve yüksek tansiyon

Self-reported diabetes’ın ḫâm alâḳası ḳuvvetli görünse de diğer müteġayyirler kontrol edildiğinde:

aOR = 1,09, p = 0,790

olmuşdur.

Yüksek tansiyon içün de ayarlanmış alâḳa:

aOR = 1,15, p = 0,425

ile maʿnâlı değildir.

Bu netîce tek müteġayyirli alâḳaların çok müteġayyirli model içinde mühim ölçüde değişebileceğini gösterir.

Model Ne Ḳadar İyi Ayırd Ediyor?

Hâricî doğrulama

Müstaḳil NHANES 2013–2014 kohortunda:

AUC 0,822, modelin diş ṭabîbi muʿâyenesine iḥtiyâcı olan ve olmayan ferdleri tesâdüfden bâriz derecede daha iyi ayırdığını gösterir.

Dâḫilî doğrulama

184 kişilik hold-out veri setinde:

Dâḫilî ve hâricî doğrulamadaki AUC ḳıymetlerinin birbirine yaḳın olması, ayırma performansının iki müstaḳil değerlendirme cereyânında müşâbih ḳalmasıyla muvâfıḳdır.

Kalibrasyon Neyi Gösteriyor?

İyi bir taḫmîn modeli yalnız ferdleri doğru sıraya ḳoymamalı; ḥâṣıl etdiği iḥtimâller ḥaḳîḳaten müşâhede olunan riskle de uyumlu olmalıdır.

Hâricî doğrulamada:

• kalibrasyon eğimi = 0,85
• intercept = 0,04

bulunmuşdur.

İdeal modelde eğim taḳrîben 1 ve intercept taḳrîben 0’dır.

Intercept’in 0’a yaḳın olması ʿumûmî risk seviyesinde sistematik inḥirâfın maḥdûd olduğunu düşündürür.

Eğimin 1’in altında olması ise emsâllerin yeni kohortda biraz fazla keskin davranabileceğine, yaʿnî maḥdûd derecede overfitting/optimism bulunduğuna işâret eder.

Müʾellif buna rağmen kalibrasyonun ʿumûmî risk aralığında ḳuvvetli ḳaldığını ve ḫuṣûṣen yüksek risk seviyelerinde iyi uyum gösterdiğini bildirir.

Decision Curve Analysis Neyi Gösteriyor?

ROC/AUC modelin ayırma ḳabiliyyetini gösterir; lâkin klinikde asıl suʾâl “Bu modeli istiʿmâl etmek ḳarâr vermeyi ḥaḳîḳaten iyileşdiriyor mu?”dur.

Decision Curve Analysis bu suʾâlinet benefitüzerinden değerlendirir.

Tedḳīḳde model, hâricî doğrulama kohortunda tecrübe edilen eşikler boyunca:

• herkesi diş ṭabîbine sevḳ etmek,
• kimseyi sevḳ etmemek

stratejilerinden daha yüksek net benefit göstermişdir.

0,33 Eşik Ḳıymeti Niçün Mühimdir?

Tedḳīḳde klinik istiʿmâle müteveccih öncelikli eşik:

\(P_t=0,33\)

olarak değerlendirilmişdir.

Bu eşikde modelin net benefit’i:

0,354

iken herkesi sevḳ etme usûlünde:

0,284

olarak ḥesâblanmışdır.

Aradaki:

ΔNB = 0,070

farḳı, Decision Curve Analysis çerçevesinde taḳrîben:

100 kişide 14 gereksiz muʿâyeneden kaçınmaya muʿâdil

olarak tefsîr olunmuşdur.

Bu, ḥaḳîḳî bir prospektif klinik tecrübede 100 kişiden mutlaḳ sûretde 14 ziyâretin menʿ edildiği maʿnâsına gelmez; riyâżî ḳarâr taḥlîlinin muʿâdilidir.

0,33 eşikde klinik bulgu yakalama

Hâricî doğrulamada 0,33 eşik:

• çürük bulunan ferdler içün taḳrîben%90,4 ḥassâsiyyet,
• dişeti marazı içün taḳrîben%87,1 ḥassâsiyyet

sağlamışdır.

Bu ḳıymetler 0,50 eşikde sırasıyla %78,9 ve %79,3’dür.

Binâenaleyh daha aşağı eşik daha fazla muḥtemel vâḳʿayı yakalar; lâkin bunun muḳābilinde daha fazla kimseyi profesyonel muʿâyeneye sevḳ eder.

Bu Model Bir Diş Marazına Teşḫîṣ Ḳoyabilir mi?

Ḫayır. Model çürük, periodontitis, oral lezyon yâḫud başka bir dental maraz içün teşḫîṣ vâsıtası değildir.

Üretdiği çıktı yalnız:

“Profesyonel diş ṭabîbi muʿâyenesi tavṣiye olunur”

yâḫud

“Rutin ağız baḳımına devâm”

şeklindeki bir tarama/triage ḳarârına müteveccihdir.

Bu sebeple müsbet netîce belli bir marazın ḳaṭʿî sûretde mevcûd olduğunu; menfî netîce ise kişinin ḳaṭʿiyyen marazsız olduğunu göstermez.

Bu Model Türkiye’de Doğrudan İstiʿmâl Edilebilir mi?

Menbaʿ tedḳīḳ bunu doğrulamıyor.

Model:

• ABD NHANES popülasyonunda inkişaf etdirilmişdir,
• 30–50 yaş arası dişli yetişkinlerle maḥdûddur,
• ABD’deki ṣıḥḥat ḫidmetleri istiʿmâli, ictimâʿî-iḳtiṣâdî yapı ve ḥarsî öz değerlendirme örüntülerini ihtivâ eder.

Ḫuṣûṣen:

• ʿırḳ/etnik menşeʾ kategorileri,
• PIR,
• diş ṭabîbi istiʿmâl âdetleri,
• ṣıḥḥat sistemine erişim

memleketler arasında farḳlılık gösterebilir.

Müʾellif bu sebeple beynelmilel istiʿmâlden evvel maḥallî validasyon ve îcâb ederse yeniden kalibrasyon yapılmasını lâzım görür.

Tedḳīḳin Esas Maḥdûdiyyetleri Nelerdir?

• Tedḳīḳ kesitseldir; gelecekteki maraz insidansını taḫmîn etmez.
• Baʿżı öngörücüler kişinin kendi beyânına dayanır.
• Recall bias ve social desirability bias zuhûr edebilir.
• Tafṣîlâtlı beslenme maʿlûmâtı modele dâḫil değildir.
• Doğrulanmış psikososyal ölçekler veri setinde mevcûd değildir.
• Muḥtemel incorporation bias tamamen sıfırlanamaz; lâkin NHANES protokolündeki müstaḳil veri cemʿi ve examiner blinding ile azaltılmışdır.
• Model yalnız ABD’de ve 30–50 yaş zümresinde doğrulanmışdır.
• Başka memleketlerde istiʿmâlden evvel maḥallî doğrulama lâzımdır.
• Kalibrasyon eğimi 0,85’dir ve yeni popülasyonlarda operasyonel recalibration îcâb edebilir.
• Model profesyonel muʿâyenenin yerine ḳāʾim olmaz.

Menbaʿ ve Usûl Notu

Bu Verianla muḥtevâsı, Miika Penttala tarafından ḥazırlananPredicting the Need to Visit a Dentist in Young to Middle-Aged Adults: A Development and External Validationbaşlıḳlı akademik tedḳīḳe dayanarak müstaḳillen teşkîl olunmuşdur.

MaḳāleDentistry Journalmecmûʿasında 2026 senesinde, Cild 14, Maḳāle 398 olarak neşr olunmuşdur. DOI:10.3390/dj14070398. Neşr târîḫi 1 Temmuz 2026’dır. Tedḳīḳ MDPI tarafından Creative Commons Attribution (CC BY) lisansı altında açık erişimle neşr olunmuşdur.

Tedḳīḳ, NHANES 2011–2014 verilerine dayanan kesitsel bir klinik taḫmîn modeli inkişafı ve hâricî doğrulama çalışmasıdır. NHANES 2011–2012 inkişaf menbaʿı, NHANES 2013–2014 ise müstaḳil temporal hâricî doğrulama kohortu olarak istiʿmâl olunmuşdur.

Hedef netîce, NHANES’in ruhṣatlı diş ṭabîbleri tarafından verilen Overall Recommendation for Care müteġayyiridir. “Derḥâl”, “iki hafta içinde” ve “ilk fırsatda” diş ṭabîbine gitme tavṣiyeleri tek müsbet sınıfda birleştirilmiş, “rutin baḳıma devâm” menfî sınıf olarak istiʿmâl olunmuşdur.

Model, evvelden taʿyîn edilmiş 14 öngörücüye dayanan müteʿaddid müteġayyirli lojistik regresyondur. Müteġayyirler otomatik stepwise seçimle değil, klinik kullanılabilirlik ve ağız ṣıḥḥatiyle alâḳaları esas alınarak evvelden belirlenmişdir.

Nāḳıṣ veriler 20 Multiple Imputation ile ele alınmış; external validation kohortu inkişaf verisinden müstaḳil olarak işlenmişdir. Model performansı AUC, Brier skoru, ḥassâsiyyet, özgüllük, kalibrasyon ve Decision Curve Analysis ile değerlendirilmişdir.

Müstaḳil hâricî doğrulamada AUC 0,822, kalibrasyon eğimi 0,85 ve intercept 0,04 olarak raporlanmışdır. 0,50 eşikde ḥassâsiyyet %73,5 ve özgüllük %79,0’dır.

0,33 ḳarâr eşiğinde raporlanan “100 kişide taḳrîben 14 gereksiz muʿâyeneden kaçınma” ifâdesi ḥaḳîḳî dünyadaki prospektif istiʿmâl netîcesini değil, Decision Curve Analysis içinde ḥesâblanan net-benefit muʿâdilini temsil eder.

Tedḳīḳ gelecekte diş marazı inkişafını taḫmîn etmez ve dental teşḫîṣ ḳoymaz. Modelin ġāyesi profesyonel diş ṭabîbi muʿâyenesine mevcûd iḥtiyâcın taranmasıdır. ABD ḫâricindeki istiʿmâller içün maḥallî doğrulama ve yeniden kalibrasyon lâzımdır.

Tedḳīḳ hâricî mâlî destek almamışdır. İstiʿmâl olunan NHANES protokolü NCHS Research Ethics Review Board tarafından tasdîḳ edilmiş ve iştirakçilerden maʿlûmâtlandırılmış muvâfaḳat alınmışdır. Bu çalışma kamuya açık anonimleşdirilmiş veriyi istiʿmâl eden ikinci derecede bir taḥlîldir. Müʾellif menâfiʿ çatışması bildirmemişdir.