Ushbu tadqiqot 30–50 yosh oralig‘idagi kattalarningayni paytda stomatolog bahosiga ehtiyoj bor-yo‘qligini, klinik ko‘rik yoki laboratoriya sinovini talab qilmaydigan 14 ta qulay ko‘rsatkich orqali bashorat qiluvchi ko‘p o‘zgaruvchili logistik regressiya modelini ishlab chiqadi. Modelning maqsadi tish kasalligiga tashxis qo‘yish emas; shaxsni professional dental baholashga yo‘naltirish zarur yoki zarur emasligini skrining darajasida bashorat qilishdir.

Model AQSh National Health and Nutrition Examination Survey (NHANES) 2011–2012 ma’lumotlaridagi 30–50 yosh oralig‘idagi tishli kattalarda ishlab chiqilgan va mustaqil NHANES 2013–2014 kohortida tashqi validatsiyadan o‘tkazilgan. Maqsadli natija shaxsning o‘z fikri emas, balki litsenziyaga ega stomatologlarning standart klinik ko‘rik yakunida bergan rasmiy parvarish tavsiyasidir.

Tashqi validatsiyada model AUC 0,822, %73,5 sezgirlik va %79,0 xoslik ko‘rsatdi. Kalibratsiya qiyaligi 0,85 va intercept 0,04. Decision Curve Analysis, ayniqsa 0,33 qaror chegarasida, model barcha odamlarni avtomatik ravishda stomatologga yo‘naltiradigan yondashuvga qaraganda yuqoriroq net benefit berishi mumkinligini ko‘rsatdi.

Biroq tadqiqot kelajakda rivojlanadigan tish kasalliklarini bashorat qiluvchi longitudinal xavf modeli emas. Kesimiy NHANES ma’lumotlari ishlatilgan va model AQShda 30–50 yosh guruhida validatsiya qilingan. Boshqa mamlakatlar yoki sog‘liqni saqlash tizimlarida qo‘llashdan oldin mahalliy validatsiya va qayta kalibratsiya talab etiladi.

Nega stomatologga borish ehtiyojini bashorat qilish kerak?

Tish kariyesi, periodontal kasallik va yomon og‘iz gigiyenasi kattalik davrida tez-tez uchrasa-da, professional baholash ehtiyoji ko‘plab odamlar tomonidan sezilmasligi mumkin.

Odam og‘riq sezmagani uchun og‘iz sog‘lig‘ini yetarli deb hisoblashi mumkin; biroq klinik ko‘rik:

• faol kariyes,
• periodontal muammo,
• yuqori plak yoki tish toshi to‘planishi,
• muvaffaqiyatsiz restavratsiya,
• yumshoq to‘qima lezyoni

kabi professional baholashni talab qiladigan holatlarni aniqlashi mumkin.

Shu sababli tadqiqotning maqsadi shaxs o‘zi yoki birlamchi tibbiy yordam muhitida oson javob bera oladigan savollardan foydalanib, professional baholash ehtiyojini oldindan tasniflay oladigan masshtablanuvchi skrining yondashuvini ishlab chiqishdir.

Model Aslida Nimani Bashorat Qiladi?

Model “sizda kariyes bor”, “sizda periodontit bor” yoki “shu tishni davolash kerak” kabi tashxislar bermaydi. Bashorat qilinadigan maqsad NHANES stomatologlari standart ko‘rik yakunida bergan umumiy parvarish tavsiyasidir.

NHANESda to‘rtta toifa mavjud:

1. Darhol stomatologga boring.
2. Ikki hafta ichida stomatologga boring.
3. Birinchi imkoniyatda stomatologga boring.
4. Muntazam og‘iz parvarishini davom ettiring.

Tadqiqotchi ushbu to‘rtta natijani ikki sinfga birlashtirgan:

1 = Stomatologga borish ehtiyoji bor

0 = Muntazam og‘iz parvarishini davom ettirish

Shu tariqa muammo ikkilik tasniflash/bashorat muammosiga aylanadi.

Model Qaysi 14 Ma’lumotdan Foydalanadi?

Modelda oldindan belgilangan 14 ta bashoratchi mavjud.

Ushbu 14 ta kiritishning 11 tasi ko‘p tanlovli shaklda javob berilishi mumkin. Sonli kiritishni talab qiladigan faqat uchta o‘zgaruvchi bor:

• yosh,
• bel aylanasi,
• oila daromadi/qashshoqlik nisbati.

Bu tuzilma model nega uy sharoitida foydalanish yoki raqamli sog‘liq ilovalariga integratsiya uchun mos deb hisoblanishini tushuntiradi.

Nega Logistik Regressiya Ishlatildi?

Natija ikki sinfli:

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

Logistik regressiya ushbu ikki natijadan birining ehtimolini bir nechta bashoratchi asosida hisoblash uchun mos keladi.

Umumiy model:

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

ko‘rinishidadir.

Bu yerda:

• \(X_i\) foydalanuvchi bergan ma’lumotlar,
• \(\beta_i\) har bir bashoratchining model koeffitsienti,
• \(P(Y=1)\) esa stomatologik baholashga ehtiyoj ehtimolidir.

Tadqiqotda o‘zgaruvchilar avtomatik stepwise algoritm bilan tanlanmagan. O‘n to‘rtta o‘zgaruvchi avvaldan belgilangan va barchasi bir xil multivariable modelga majburiy kiritilgan.

Yetishmayotgan Ma’lumotlar Qanday Ko‘rib Chiqildi?

NHANES ma’lumotlaridagi yetishmayotgan kuzatuvlarni butunlay o‘chirib tashlash o‘rniga Multiple Imputation qo‘llanilgan.

Tadqiqotda:

m = 20

to‘ldirilgan ma’lumotlar to‘plami yaratilgan.

Usul:

• Fully Conditional Specification,
• Predictive Mean Matching

ga asoslangan.

Imputatsiya modelida 14 ta asosiy bashoratchi va natija o‘zgaruvchisiga qo‘shimcha ravishda HbA1c, sistolik qon bosimi, umumiy xolesterin, BMI va tishlar soni yordamchi o‘zgaruvchilar sifatida ishlatilgan.

Bu yordamchi o‘zgaruvchilar faqat yetishmayotgan ma’lumotlarni tiklash uchun; yakuniy logistik regressiya modeliga kiritilmagan.

Tashqi validatsiya ma’lumotlar to‘plami ishlab chiqish ma’lumotlaridan butunlay mustaqil ravishda imputatsiya qilingan. Bu dizayn ma’lumot sizib chiqishi xavfini kamaytiradi.

Ma’lumotlar To‘plamlari Qanday Ajratildi?

NHANES 2011–2012 analitik namunasi:

n = 1870

kishidan iborat.

Shundan:

• %90’i ishlab chiqish/o‘qitish kohorti:n = 1686
• %10’i internal hold-out validatsiya:n = 184

sifatida ajratilgan.

Asosiy va hal qiluvchi validatsiya esa mustaqil NHANES 2013–2014 kohortida bajarilgan:

n = 2024

Bu ajratish muhim; model faqat o‘z o‘qitish ma’lumotlarida baholanmagan.

Tadqiqot Usuli va Natijalari

30–50 yosh guruhida professional baholash ehtiyoji

Ishlab chiqish kohortida stomatologga borish ehtiyojining vaznlashtirilgan prevalensi:

%49,3

deb hisoblangan.

Boshqacha aytganda, ushbu namunada taxminan har ikki kishidan biri standart NHANES dental ko‘rigiga ko‘ra muntazam parvarishdan tashqari professional dental baholash tavsiyasini olgan.

Eng kuchli bashoratchilardan biri: oxirgi stomatolog tashrifi

Model tushuntirish qobiliyatiga eng katta noyob hissa:

Oxirgi stomatolog tashrifi — ΔR² = 0,0304

tomonidan berilgan.

Olti oy ichida stomatologga borganlar bilan solishtirganda:

• 1–2 yil oldin borganlarda aOR ≈ 3,21,
• 2–3 yil oldin borganlarda aOR ≈ 2,35,
• 3–5 yil oldin borganlarda aOR ≈ 3,49,
• 5 yildan ortiq vaqt bormagan/hech qachon bormaganlarda aOR ≈ 3,02

aniqlangan.

Bu qiymatlar sababiy xavf nisbatlari emas, balki boshqa model o‘zgaruvchilari hisobga olingandan keyin joriy dental baholash ehtiyoji bilan bog‘liq odds ratio-lardir.

Shaxsning o‘z og‘iz sog‘lig‘ini baholashi

Tish va milklarini “excellent” deb baholaganlarga nisbatan:

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

bilan bog‘langan.

Bu o‘zgaruvchida o‘zini baholash yomonlashgani sari professional parvarish ehtiyoji ortib boradigan aniq doza-javob namunasi ko‘rinadi.

Chekish

Chekmaydiganlarga nisbatan:

• ba’zi kunlari chekadiganlardaaOR 3,34,
• har kuni chekadiganlardaaOR 2,79

aniqlangan.

Qiziq tomoni, vaqti-vaqti bilan chekuvchilar guruhining moslashtirilgan odds ratio qiymati kundalik chekuvchilar guruhidan yuqori. Bu natija chekish dozasi teskari biologik ta’sirga ega degan ma’noda talqin qilinmasligi kerak; toifa kattaligi, boshqa o‘zgaruvchilar bilan aloqalar va multivariable adjustment ushbu koeffitsientlarga ta’sir qilishi mumkin.

Jins

Ayollar referens sifatida olinganda erkaklarda:

aOR = 2,30

aniqlangan.

Bu ham tadqiqot populyatsiyasida boshqa bashoratchilar nazorat qilinganda erkak jinsining yuqoriroq stomatologik baholash ehtiyoji bilan bog‘liq ekanini ko‘rsatadi.

Daromad va bel aylanasi

Oila daromadining qashshoqlik chegarasiga nisbati oshgani sari ehtimol kamaygan:

aOR = 0,82

Bel aylanasining har bir santimetrga oshishi:

aOR = 1,016

bilan bog‘langan.

Bu bog‘lanishlar individual sababiylikni anglatmaydi; ular model ichidagi bashorat signallaridir.

Diabet va yuqori qon bosimi

Self-reported diabetesning xom bog‘lanishi kuchli ko‘rinsa-da, boshqa o‘zgaruvchilar nazorat qilinganda:

aOR = 1,09, p = 0,790

bo‘lgan.

Yuqori qon bosimi uchun ham moslashtirilgan bog‘lanish:

aOR = 1,15, p = 0,425

bilan ahamiyatli emas.

Bu natija bitta o‘zgaruvchili bog‘lanishlar ko‘p o‘zgaruvchili model ichida sezilarli darajada o‘zgarishi mumkinligini ko‘rsatadi.

Model Qanchalik Yaxshi Ajratadi?

Tashqi validatsiya

Mustaqil NHANES 2013–2014 kohortida:

AUC 0,822 model stomatologik baholashga ehtiyoj sezadigan va sezmaydigan shaxslarni tasodifdan ancha yaxshiroq ajratishini ko‘rsatadi.

Ichki validatsiya

184 kishilik hold-out ma’lumotlar to‘plamida:

Ichki va tashqi validatsiyadagi AUC qiymatlarining bir-biriga yaqinligi ajratish samaradorligi ikki mustaqil baholash oqimida o‘xshash qolganiga mos keladi.

Kalibratsiya Nimani Ko‘rsatadi?

Yaxshi bashorat modeli faqat shaxslarni to‘g‘ri tartiblashi emas; ishlab chiqargan ehtimollari real kuzatilgan xavf bilan ham mos bo‘lishi kerak.

Tashqi validatsiyada:

• kalibratsiya qiyaligi = 0,85
• intercept = 0,04

aniqlangan.

Ideal modelda qiyalik taxminan 1 va intercept taxminan 0 bo‘ladi.

Interceptning 0 ga yaqinligi umumiy xavf darajasida tizimli og‘ish cheklanganini ko‘rsatadi.

Qiyalikning 1 dan pastligi esa koeffitsientlar yangi kohortda biroz ortiqcha keskin bo‘lishi, ya’ni cheklangan darajada overfitting/optimism mavjudligiga ishora qiladi.

Muallif shunga qaramay kalibratsiya umumiy xavf oralig‘ida kuchli qolganini va ayniqsa yuqori xavf darajalarida yaxshi moslik ko‘rsatganini bildiradi.

Decision Curve Analysis Nimani Ko‘rsatadi?

ROC/AUC modelning ajratish qobiliyatini ko‘rsatadi; ammo klinikada asosiy savol “Ushbu modeldan foydalanish qaror qabul qilishni chindan yaxshilaydimi?” degan savoldir.

Decision Curve Analysis bu savolninet benefitorqali baholaydi.

Tadqiqotda model tashqi validatsiya kohortida sinovdan o‘tkazilgan chegaralar bo‘ylab:

• hammani stomatologga yo‘naltirish,
• hech kimni yo‘naltirmaslik

strategiyalariga qaraganda yuqoriroq sof foyda ko‘rsatgan.

0,33 Chegara Qiymati Nega Muhim?

Tadqiqotda klinik foydalanish uchun ustuvor chegara:

\(P_t=0,33\)

sifatida baholangan.

Ushbu chegarada modelning sof foydasi:

0,354

bo‘lgan, hammani yo‘naltirish yondashuvida esa:

0,284

deb hisoblangan.

Oradagi:

ΔNB = 0,070

farqi Decision Curve Analysis doirasida taxminan:

100 kishida 14 ta keraksiz baholashdan qochishga teng

deb talqin qilingan.

Bu haqiqiy prospektiv klinik tajribada 100 kishidan aniq 14 ta tashrifning oldi olindi degani emas; bu matematik qaror tahlili ekvivalentidir.

0,33 chegarada klinik topilmalarni aniqlash

Tashqi validatsiyada 0,33 chegara:

• kariyesi bo‘lgan shaxslar uchun taxminan%90,4 sezgirlik,
• milk kasalligi uchun taxminan%87,1 sezgirlik

ta’minlagan.

Bu qiymatlar 0,50 chegarada mos ravishda %78,9 va %79,3.

Shunday qilib, pastroq chegara ko‘proq potensial holatlarni aniqlaydi, biroq evaziga ko‘proq shaxsni professional baholashga yo‘naltiradi.

Bu Model Tish Kasalligiga Tashxis Qo‘ya Oladimi?

Yo‘q. Model kariyes, periodontit, oral lezyon yoki boshqa dental kasallik uchun diagnostika vositasi emas.

U ishlab chiqaradigan natija faqat:

“Professional stomatolog baholashi tavsiya etiladi”

yoki

“Muntazam og‘iz parvarishini davom ettirish”

ko‘rinishidagi skrining/triage qaroriga qaratilgan.

Shuning uchun ijobiy natija ma’lum bir kasallik albatta borligini; salbiy natija esa shaxs albatta kasalliksiz ekanini ko‘rsatmaydi.

Bu Model Turkiyada To‘g‘ridan-to‘g‘ri Qo‘llanishi Mumkinmi?

Manba tadqiqot buni tasdiqlamaydi.

Model:

• AQSh NHANES populyatsiyasida ishlab chiqilgan,
• 30–50 yosh oralig‘idagi tishli kattalar bilan cheklangan,
• AQShdagi tibbiy xizmatlardan foydalanish, ijtimoiy-iqtisodiy tuzilma va madaniy o‘z-o‘zini baholash namunalarini o‘z ichiga oladi.

Ayniqsa:

• irq/etnik kelib chiqish toifalari,
• PIR,
• stomatologdan foydalanish odatlari,
• sog‘liqni saqlash tizimiga kirish

mamlakatlar o‘rtasida farq qilishi mumkin.

Muallif shu sababli xalqaro qo‘llashdan oldin mahalliy validatsiya va kerak bo‘lsa qayta kalibratsiya o‘tkazishni zarur deb hisoblaydi.

Tadqiqotning Asosiy Cheklovlari Nimalar?

• Tadqiqot kesimiy; kelajakdagi kasallik insidensiyasini bashorat qilmaydi.
• Ba’zi bashoratchilar shaxsning o‘z hisobotiga asoslanadi.
• Recall bias va social desirability bias yuzaga kelishi mumkin.
• Mayda tafsilotli ovqatlanish ma’lumotlari modelga kiritilmagan.
• Validatsiya qilingan psixososial shkalalar ma’lumotlar to‘plamida mavjud emas.
• Potensial incorporation biasni to‘liq yo‘q qilib bo‘lmaydi; biroq NHANES protokolidagi mustaqil ma’lumot yig‘ish va examiner blinding orqali kamaytirilgan.
• Model faqat AQShda va 30–50 yosh guruhida validatsiya qilingan.
• Boshqa mamlakatlarda qo‘llashdan oldin mahalliy validatsiya talab etiladi.
• Kalibratsiya qiyaligi 0,85 va yangi populyatsiyalarda operatsion recalibration zarur bo‘lishi mumkin.
• Model professional ko‘rik o‘rnini bosmaydi.

Manba va Usul Haqida Izoh

Ushbu Verianla mazmuni Miika Penttala tomonidan tayyorlanganPredicting the Need to Visit a Dentist in Young to Middle-Aged Adults: A Development and External Validationnomli akademik tadqiqotga asoslanib mustaqil ravishda yaratilgan.

MaqolaDentistry Journaljurnalida 2026 yilda, 14-jild, 398-maqola sifatida chop etilgan. DOI:10.3390/dj14070398. Nashr sanasi 1 iyul 2026. Tadqiqot MDPI tomonidan Creative Commons Attribution (CC BY) litsenziyasi ostida ochiq kirishda chop etilgan.

Tadqiqot NHANES 2011–2014 ma’lumotlariga asoslangan kesimiy klinik bashorat modelini ishlab chiqish va tashqi validatsiya qilish ishidir. NHANES 2011–2012 ishlab chiqish manbai, NHANES 2013–2014 esa mustaqil temporal tashqi validatsiya kohorti sifatida ishlatilgan.

Maqsadli natija NHANESning litsenziyaga ega stomatologlari tomonidan berilgan Overall Recommendation for Care o‘zgaruvchisidir. “Darhol”, “ikki hafta ichida” va “birinchi imkoniyatda” stomatologga borish tavsiyalari bitta ijobiy sinfga birlashtirilgan, “muntazam parvarishni davom ettirish” esa salbiy sinf sifatida ishlatilgan.

Model oldindan belgilangan 14 ta bashoratchiga asoslangan ko‘p o‘zgaruvchili logistik regressiyadir. O‘zgaruvchilar avtomatik stepwise tanlov bilan emas, klinik qo‘llanish imkoniyati va og‘iz salomatligi bilan bog‘liqligi asosida oldindan belgilangan.

Yetishmayotgan ma’lumotlar 20 ta Multiple Imputation bilan ko‘rib chiqilgan; external validation kohorti ishlab chiqish ma’lumotlaridan mustaqil ravishda qayta ishlangan. Model samaradorligi AUC, Brier skori, sezgirlik, xoslik, kalibratsiya va Decision Curve Analysis orqali baholangan.

Mustaqil tashqi validatsiyada AUC 0,822, kalibratsiya qiyaligi 0,85 va intercept 0,04 deb xabar qilingan. 0,50 chegarada sezgirlik %73,5 va xoslik %79,0.

0,33 qaror chegarasida xabar qilingan “100 kishida taxminan 14 ta keraksiz baholashdan qochish” iborasi haqiqiy dunyo prospektiv qo‘llash natijasini emas, Decision Curve Analysis ichida hisoblangan net-benefit ekvivalentini bildiradi.

Tadqiqot kelajakda tish kasalligi rivojlanishini bashorat qilmaydi va dental tashxis qo‘ymaydi. Modelning maqsadi professional stomatolog baholashiga joriy ehtiyojni skrining qilishdir. AQShdan tashqarida qo‘llash uchun mahalliy validatsiya va qayta kalibratsiya talab etiladi.

Tadqiqot tashqi moliyalashtirish olmagan. Ishlatilgan NHANES protokoli NCHS Research Ethics Review Board tomonidan tasdiqlangan va ishtirokchilardan xabardor rozilik olingan. Ushbu tadqiqot ommaga ochiq anonimlashtirilgan ma’lumotlardan foydalangan ikkilamchi tahlildir. Muallif manfaatlar to‘qnashuvini bildirmagan.