口腔医学研究

作者：崔宇琛, 张晗, 胡志强, 张琦, 袁佳敏, 朱宪春

单位：吉林大学口腔医院正畸科 吉林 长春 130021

关键词：颞下颌关节紊乱病,机器学习,预测模型,shapley加法解释算法,

基金：吉林省科技厅自然科学基金项目(编号:YDZJ202201ZYTS057)

目的: 本研究旨在探讨青年人群颞下颌关节紊乱病(temporomandibular disorders, TMD)的影响因素,并基于机器学习(machine learning, ML)方法构建一个针对青年人的TMD风险预测模型,以便为青年人提供更加准确和有效的TMD风险评估工具。方法: 共纳入960例符合条件的大学生做为研究对象。使用单因素分析和最小绝对值收缩和选择算子回归算法筛选TMD风险因素。运用6种不同的ML方法构建TMD风险预测模型,并采用Shapley加法解释算法对最终模型进行解释。结果: 共纳入12个预测因素进行模型的构建,随机森林模型在6种ML模型中表现最佳。该模型在外部测试集上的受试者工作特征曲线下面积为0.863(95%CI:0.812~0.915),准确度为0.732,灵敏度为0.898,特异度为0.728,阳性预测值为0.864,阴性预测值为0.703。校准曲线表明该模型预测效果和实际结果基本一致,决策曲线表明模型具有良好的临床适用性。结论: 基于ML方法构建的青年人群TMD风险预测模型具有良好的预测性能及临床适用性,可辅助临床进行更高效的疾病管理和更精准的医疗干预。

来源：2024年第10期

《口腔医学研究》期刊编辑部

查看口腔医学研究杂志2024年第10期