Sviluppo e validazione interna di un nomogramma esplorativo per il carico della malattia dei piccoli vasi cerebrali mediante parametri parodontali

Sommario

Questo protocollo descrive lo sviluppo e la validazione interna di un nomogramma esplorativo che integra parametri parodontali e fattori di rischio convenzionali per stimare il carico di malattia dei piccoli vasi cerebrali ai fini della stratificazione del rischio individualizzata.

Abstract

La malattia cerebrovascolare a piccoli vasi (CSVD) è una causa importante di ictus e declino cognitivo, ma il contributo della malattia parodontale al carico complessivo di CSVD rimane poco chiaro. L'obiettivo dello studio era sviluppare e validare internamente un nomogramma clinico esplorativo, che includesse parametri parodontali, per stimare un elevato carico di CSVD. Un totale di 234 individui ha effettuato una risonanza magnetica (MRI) per la valutazione del carico totale di CSVD (punteggio 0–4). Sono stati registrati la gravità della parodontite e il numero di denti residui. I predittori ottimali selezionati mediante regressione con operatore di riduzione e selezione assoluta minima (LASSO) sono stati inseriti in una regressione logistica multivariabile per costruire il nomogramma, che è stato valutato in termini di capacità discriminante, calibrazione e utilità clinica. Un'analisi con spline cubiche limitate ha evidenziato una relazione lineare dose-risposta tra perdita dentale e alto carico di CSVD (P per non linearità = 0,332). L'analisi multivariabile ha identificato l'età avanzata e l'ipertensione come fattori prognostici indipendenti; tuttavia, le associazioni con parodontite grave (P = 0,580) e grave perdita dentale (P = 0,112) si sono attenuate e non sono risultate indipendentemente associate a un alto carico di CSVD dopo aggiustamento. Il nomogramma ha mostrato una capacità discriminatoria moderata (area sotto la curva = 0,675) e una calibrazione favorevole, validata mediante bootstrap (errore assoluto medio = 0,038). L'analisi della curva decisionale ha suggerito un potenziale utilizzo clinico in determinate soglie di rischio, sebbene l'interpretazione rimanga esplorativa a causa dell'assenza di una validazione esterna. Sebbene la parodontite grave e la perdita dentale mostrassero associazioni univarie con un alto carico di CSVD, non si sono rivelate predittori indipendenti dopo aggiustamento multivariabile. Questo nomogramma esplorativo fornisce un quadro preliminare di visualizzazione per la stratificazione del rischio individualizzata e richiede ulteriore validazione esterna prima di un'eventuale applicazione clinica.

Introduzione

La malattia cerebrale dei piccoli vasi (CSVD) è un disturbo cronico e insidioso dei microvasi cerebrali, riconosciuto a livello internazionale come principale causa vascolare di ictus, declino cognitivo e deficit della mobilità negli anziani¹. Storicamente, i singoli marcatori di risonanza magnetica (MRI) della CSVD, tra cui le iperintensità della sostanza bianca (WMH), gli infarti lacunari, le microemorragie cerebrali (CMBs) e gli spazi perivasali dilatati (EPVS), sono stati valutati in modo indipendente. Tuttavia, questi fenotipi di neuroimmagine spesso coesistono e sono determinati da meccanismi patologici condivisi, in particolare la disfunzione endoteliale e la fuoriuscita microvascolare². Di conseguenza, recenti documenti di consenso raccomandano l'utilizzo di un sistema integrato di punteggio del carico totale di CSVD³. Questa metrica integrata riflette in modo più completo l'impatto cumulativo del danno microvascolare cerebrale rispetto ai singoli marcatori di imaging e fornisce un indicatore superiore del deterioramento neurologico complessivo⁴.

L'eziologia della CSVD non è ancora completamente compresa; tuttavia, l'infiammazione sistemica cronica di basso grado è sempre più riconosciuta come un fattore chiave nel danno endoteliale cerebrale e nella compromissione della barriera emato-encefalica⁵. In questo contesto, la parodontite, una malattia infiammatoria altamente diffusa indotta da un biofilm disbiotico che colpisce i tessuti di sostegno del dente, si è affermata come un possibile fattore di rischio modificabile per le malattie neurovascolari nel quadro dell'asse orale-cervello⁶. La parodontite grave non solo provoca una progressiva distruzione dell'osso alveolare e la successiva perdita dei denti, ma costituisce anche una riserva persistente di patogeni parodontali e citochine pro-infiammatorie⁷. Questi mediatori infiammatori possono entrare in circolo sistemico, contribuendo così al rimodellamento vascolare e all'aterogenesi⁸.

Studi epidemiologici recenti hanno dimostrato un'associazione tra parodontite grave e un aumentato rischio di ictus ischemico⁹. Tuttavia, le evidenze riguardo alla sua relazione con il carico cumulativo di malattia vascolare cerebrale cronica (CSVD) rimangono limitate e frammentarie. Inoltre, la perdita dei denti, la conseguenza clinica finale della malattia parodontale, è stata associata al declino cognitivo e alla mortalità cardiovascolare¹⁰. Tuttavia, la relazione dose-risposta tra perdita dei denti e danno cerebrovascolare è ancora poco chiara. In particolare, non è noto se il rischio di CSVD aumenti dopo il raggiungimento di una soglia critica di denti residui oppure segua un andamento dose-risposta lineare continuo.

Sebbene l'associazione tra distruzione parodontale e danno microvascolare cerebrale sia biologicamente plausibile, i meccanismi sistemici immunitari-infiammatori alla base di questa relazione richiedono ulteriori caratterizzazioni. I biomarcatori infiammatori convenzionali, inclusi i conteggi isolati dei sottogruppi di leucociti e la proteina C-reattiva ad alta sensibilità, potrebbero non cogliere adeguatamente la complessità della risposta immunitaria-infiammatoria dell'ospite in contesti clinici. L'Indice Sistemico di Infiammazione-Immunità (SII), calcolato a partire dai conteggi piastrinici, neutrofili e linfocitari periferici, si è recentemente affermato come biomarcatore infiammatorio completo¹¹. L'SII riflette l'equilibrio tra attività infiammatoria sistemica e stato immunitario. Livelli elevati di SII hanno dimostrato un valore prognostico in una serie di disturbi cerebrovascolari, predittivi della gravità dell'ictus acuto e di esiti funzionali sfavorevoli, ed sono stati inoltre associati al carico complessivo di SVCD, al deterioramento cognitivo e alla diagnosi graduata della parodontite^12,13. Poiché la parodontite induce un'infiammazione sistemica cronica, la valutazione dell'SII insieme ai parametri parodontali potrebbe migliorare l'identificazione di individui a rischio di danno microvascolare cerebrale occulto.

Nonostante l'interesse crescente per l'asse orale-cervello, la letteratura attuale presenta diverse limitazioni metodologiche. La maggior parte degli studi si è concentrata su singoli marcatori di imaging della SVD o su parametri singoli di salute orale, senza integrare la gravità della parodontite, la sua conseguenza clinica finale (perdita dei denti) e le risposte immuno-infiammatorie sistemiche in una valutazione unificata. Ancor più importante, la pratica clinica richiede strumenti pratici di valutazione del rischio, tuttavia strumenti visivi come i nomogrammi per identificare pazienti ad alto rischio di SVD sulla base di profili infiammatori orali e sistemici combinati rimangono limitati. Gli attuali approcci di valutazione del rischio di SVD si basano principalmente su singoli biomarcatori o su fattori demografici convenzionali, che potrebbero non cogliere adeguatamente le interazioni multifattoriali tra infiammazione sistemica e salute orale. Inoltre, lo sviluppo di modelli predittivi affidabili richiede metodi robusti di selezione delle variabili. Approcci convenzionali, come la regressione stepwise, possono risultare instabili quando applicati a dataset clinici ad alta dimensionalità e possono essere influenzati da predittori correlati. L'approccio della regressione con operatore di riduzione e selezione della norma L1 (LASSO) affronta queste sfide applicando una penalizzazione sui coefficienti per ridurre l'overfitting e identificare i predittori più informativi per lo sviluppo del modello¹⁴.

Motivati da queste lacune conoscitive, lo studio trasversale retrospettivo è stato progettato con due obiettivi principali. In primo luogo, abbiamo inteso caratterizzare la relazione dose-risposta tra il numero di denti mantenuti e un elevato carico di CSVD mediante un'analisi con spline cubiche restrittive (RCS), al fine di valutare potenziali effetti soglia non lineari e tendenze lineari. In secondo luogo, abbiamo cercato di sviluppare un nomogramma clinico esplorativo utilizzando una selezione delle variabili basata su LASSO e di valutare il miglioramento nella classificazione del rischio ottenuto aggiungendo parametri parodontali ai fattori di rischio convenzionali. Abbiamo ipotizzato che l'integrazione dello stato parodontale, della perdita dentale e dell'SII in un modello multidimensionale potesse fornire un quadro visivo esplorativo per la stima del carico cumulativo di CSVD e migliorare la stratificazione individuale del rischio. Nella pratica clinica, il nomogramma proposto è destinato a essere uno strumento rapido e non invasivo di supporto, utile ai neurologi per identificare pazienti che potrebbero trarre beneficio da una valutazione cerebrovascolare precoce o da una valutazione odontoiatrica multidisciplinare. Tuttavia, data la sua natura esplorativa, le modeste prestazioni discriminanti e l'assenza di validazione esterna, il nomogramma non deve essere considerato un sostituto della diagnosi basata su risonanza magnetica (MRI). Inoltre, la sua applicazione potrebbe risultare limitata in pazienti con infezioni acute attive, malattie autoimmuni gravi o traumi recenti, poiché queste condizioni potrebbero influenzare in modo significativo i biomarcatori infiammatori sistemici e alterare la stima del rischio.

Protocollo

Questo studio retrospettivo trasversale di associazione ha arruolato pazienti consecutivi ricoverati presso il Dipartimento di Neurologia dell'Ospedale Popolare N. 2 di Changzhou per capogiri, cefalea, screening di ictus o valutazione cognitiva tra gennaio 2022 e dicembre 2024. Il consenso informato è stato omesso a causa della natura retrospettiva, non interventistica dello studio e dell'utilizzo di dati completamente anonimizzati. Lo studio è stato approvato dal Comitato Etico per le Tecnologie Medico-Cliniche dell'Ospedale Popolare N. 2 di Changzhou (ID approvazione IRB: [2023] YLJSA069) ed è stato condotto in conformità con le linee guida istituzionali.

Progettazione dello studio e popolazione di pazienti

Inizialmente, sono stati valutati 850 pazienti. I criteri di esclusione sono stati rigorosamente definiti come segue: (1) mancanza di sequenze complete di risonanza magnetica cranica (in particolare l'assenza di imaging ponderato in suscettibilità [SWI], che impediva una valutazione accurata dei microemorragi); (2) assenza di registrazioni dettagliate del sondaggio parodontale o di dati sul numero completo dei denti in bocca; (3) dati incompleti dell'emocromo, che impedivano il calcolo dell'indice sistemico di infiammazione (SII); (4) storia di ictus massivo, tumore cerebrale, trauma cranico o infezione del sistema nervoso centrale; e (5) presenza di infezione acuta attiva, malattia autoimmune grave o neoplasia nell'ultimo mese, al fine di minimizzare gli effetti confondenti sui marcatori infiammatori sistemici. Per garantire l'integrità dei dati, è stato adottato un approccio di analisi dei casi completi, secondo il quale sono stati esclusi i soggetti privi di uno qualsiasi dei parametri clinico-radiologici fondamentali. Dopo il controllo, 234 partecipanti idonei sono stati inclusi nell'analisi. Questo campione, composto da 129 eventi ad alto carico, soddisfaceva la regola empirica degli eventi per variabile (EPV) >10 necessaria per una modellizzazione multivariata stabile.

Valutazione dello Stato Parodontale e dell'Infiammazione

Due parodontologi calibrati hanno eseguito tutte le valutazioni cliniche orali utilizzando una sonda parodontale standardizzata.

Prima dello studio, entrambi gli esaminatori hanno seguito una formazione di standardizzazione e l'affidabilità inter-esaminatore è risultata eccellente (κ di Cohen = 0,82). La profondità della tasca sondabile (PPD) e il livello di attacco clinico (CAL) sono stati misurati in sei siti per dente. In base al quadro classificatorio del 2018 descritto da Tonetti et al.¹⁵, la malattia parodontale è stata classificata come lieve/assente, moderata o grave. Nello specifico, i partecipanti sono stati suddivisi come segue: (1) Parodontite lieve/assente (inclusa la salute parodontale e la parodontite di stadio I), definita come livello di attacco clinico interdentale (CAL) nel sito con la maggiore perdita di attacco ≤2 mm e profondità della tasca sondabile (PPD) ≤4 mm, senza perdita di denti correlata alla parodontite; (2) Parodontite moderata (parodontite di stadio II), definita come CAL interdentale di 3–4 mm, PPD massima ≤5 mm e non più di quattro denti persi a causa della parodontite; e (3) Parodontite grave (parodontite di stadio III/IV), definita come CAL interdentale ≥5 mm, PPD ≥6 mm e/o perdita di quattro o più denti a causa della distruzione parodontale¹⁵.

Il numero di denti mantenuti è stato inoltre documentato per ogni partecipante. Poiché il mantenimento di almeno 20 denti funzionali è un parametro clinico ampiamente accettato per preservare la funzione orale di base e un invecchiamento orale di successo^16,17,18, il conteggio grezzo dei denti è stato convertito in una variabile binaria: perdita dentale grave (<20 denti) rispetto a perdita dentale non grave (≥20 denti).

Per quanto riguarda l'infiammazione sistemica, l'SII è stato calcolato a partire da campioni di sangue raccolti a digiuno al momento del ricovero. I campioni di sangue venoso sono stati raccolti in provette con EDTA e processati secondo il protocollo standard del laboratorio clinico dell'ospedale, prima dell'analisi mediante un analizzatore ematologico automatico per ottenere i conteggi di neutrofili, linfociti e piastrine. L'indice è stato calcolato come:

Per tenere conto della distribuzione fortemente asimmetrica dei valori di SII, è stata applicata una trasformazione logaritmica naturale (Log_SII) prima dell'inclusione nelle analisi statistiche.

Acquisizione di Risonanza Magnetica e Carico Totale di CSVD

Tutti i soggetti hanno sottoposto a esami cranici standardizzati mediante risonanza magnetica (RM) utilizzando uno scanner RM da 3,0 T dotato di una bobina cranica standard. Il protocollo di imaging includeva sequenze pesate in T1, pesate in T2, fluid-attenuated inversion recovery (FLAIR) e susceptibility-weighted imaging (SWI), acquisite con uno spessore di slice di 5 mm. I parametri standard di imaging sono stati configurati come segue: imaging pesato in T1 (tempo di ripetizione [TR] = 2.000 ms, tempo d'eco [TE] = 9 ms, campo visivo [FOV] = 230 × 230 mm², dimensione della matrice = 256 × 256); imaging pesato in T2 (TR = 4.500 ms, TE = 85 ms, FOV = 230 × 230 mm², dimensione della matrice = 256 × 256); imaging fluid-attenuated inversion recovery (FLAIR) (TR = 8.500 ms, TE = 120 ms, tempo d'inversione [TI] = 2.400 ms, FOV = 230 × 230 mm², dimensione della matrice = 256 × 256); e susceptibility-weighted imaging (SWI) (TR = 28 ms, TE = 20 ms, angolo di flip = 15°, FOV = 230 × 230 mm², dimensione della matrice = 256 × 256). Tutte le sequenze sono state acquisite con uno spessore di slice di 5 mm e un intervallo interslice di 1,0 mm. Lo scanner specifico è indicato nella Tabella dei Materiali. I marcatori di imaging della CSVD sono stati valutati indipendentemente da due medici radiologi specializzati in neuroimaging, in cecità rispetto ai dati clinici dei partecipanti. L'affidabilità inter-osservatore del punteggio totale del carico di CSVD è risultata elevata (κ di Cohen = 0,85). Eventuali discrepanze sono state risolte per consenso con un terzo medico esperto.

In conformità con il consenso internazionale stabilito^1,3, il carico cumulativo di CSVD è stato quantificato su una scala da 0 a 4 valutando quattro caratteristiche di neuroimmagine. È stato assegnato un punto per ciascuno dei seguenti reperti alla risonanza magnetica: (1) almeno un infarto lacunare; (2) uno o più microemorragie cerebrali (CMBs); (3) spazi perivasali dilatati (EPVS) da moderati a gravi nei gangli della base (grado ≥2); e (4) iperintensità severe della sostanza bianca (WMH), definite come un punteggio Fazekas ≥2 nella sostanza bianca profonda o 3 nella regione periventricolare. Le definizioni diagnostiche hanno rigorosamente seguito il consenso internazionale Standards for Reporting Vascular Changes on Neuroimaging (STRIVE-1)¹. Le iperintensità della sostanza bianca (WMH) sono state classificate utilizzando la scala di Fazekas¹⁹, e gli spazi perivasali dilatati (EPVS) nei gangli della base sono stati classificati mediante la scala visiva validata a 4 punti descritta da Potter et al.²⁰. Ai fini dello sviluppo del modello di valutazione del rischio, i pazienti con un punteggio totale di carico di CSVD ≥2 sono stati classificati come aventi un elevato carico di CSVD, poiché questa soglia è stata costantemente associata a un declino cognitivo accelerato e a mortalità^21,22,23.

Raccolta dei Dati sulle Covariate

Le caratteristiche demografiche e la storia clinica dei pazienti sono state estratte dai record elettronici sanitari istituzionali. Le variabili raccolte includevano età, sesso, indice di massa corporea (BMI), stato di fumo e consumo di alcol. Inoltre, sono state documentate per ogni partecipante le comorbidità cardiometaboliche e vascolari, tra cui dislipidemia, diabete mellito, ipertensione, malattia coronarica (CAD), storia di infarto miocardico (MI) e precedente ictus ischemico.

Tutte le comorbilità sono state confermate mediante revisione delle diagnosi effettuate dai medici documentate nei referti medici dei pazienti ricoverati, della storia farmacologica e delle valutazioni di laboratorio e di imaging eseguite in sede di ricovero, in conformità con linee guida cliniche stabilite. L'ipertensione è stata definita come una pressione arteriosa sistolica ≥140 mmHg, una pressione arteriosa diastolica ≥90 mmHg o un trattamento antipertensivo in corso. Il diabete mellito è stato definito come una concentrazione di glucosio plasmatico a digiuno ≥7,0 mmol/L, emoglobina glicata (HbA1c) ≥6,5% o l'uso di farmaci ipoglicemizzanti. La dislipidemia è stata definita sulla base di alterazioni dei lipidi sierici a digiuno o di una terapia ipolipemizzante in corso. La malattia coronarica (CAD), la storia di infarto miocardico (MI) e l'ictus ischemico pregresso sono stati confermati mediante la storia clinica documentata e i referti di imaging neurovascolare o cardiaco disponibili nel sistema cartella clinica elettronica.

Analisi Statistica e Sviluppo del Modello

Prima dell'analisi statistica, la normalità delle variabili continue è stata valutata mediante il test di Shapiro–Wilk. Le statistiche descrittive per le variabili categoriche sono state riassunte come frequenze (percentuali) e confrontate utilizzando il test chi-quadrato di Pearson o il test esatto di Fisher, secondo opportunità. Le variabili continue con distribuzione normale sono state espresse come medie ± deviazioni standard e confrontate mediante il test t di Student, mentre le variabili non normalmente distribuite sono state espresse come mediane con intervalli interquartili e confrontate mediante il test U di Mann-Whitney. Per indagare potenziali modelli dose-risposta non lineari tra il numero di denti mantenuti e il rischio di elevato carico di CSVD, è stato costruito un modello RCS aggiustato per età, ipertensione e Log_SII, utilizzando quattro nodi posizionati ai percentili 5°, 35°, 65° e 95° della distribuzione del numero di denti. Un test formale per la non linearità è stato effettuato mediante analisi della varianza (ANOVA) per determinare se un effetto soglia o una tendenza lineare continua spiegasse meglio l'associazione osservata.

Per eseguire la selezione delle variabili in presenza di predittori correlati, tutte le variabili basali sono state inserite in un modello di regressione LASSO. Il parametro di regolazione ottimale (λ) è stato determinato mediante validazione incrociata a 10 ripetizioni e scelto in base al criterio di devianza binomiale minima (λ_min). Sono state mantenute per le analisi successive le variabili con coefficienti diversi da zero. Le variabili selezionate sono state successivamente inserite in un modello di regressione logistica multivariabile per stimare i rapporti tra le probabilità (OR) e gli intervalli di confidenza al 95% (IC) per le loro associazioni con un elevato carico di CSVD. Il modello multivariabile finale è stato quindi utilizzato per costruire un nomogramma clinico esplorativo per la stima personalizzata del rischio.

Per valutare il valore aggiuntivo dei parametri parodontali, un modello di base (inclusi età, ipertensione e Log_SII) è stato confrontato con un modello esteso che incorporava il grado di parodontite e il numero di denti. Le prestazioni del modello sono state valutate utilizzando diverse misure complementari. La discriminazione è stata valutata mediante l'area sotto la curva ROC (AUC), e le differenze tra i modelli sono state confrontate utilizzando il test di DeLong²⁴. Al cutoff ottimale determinato dall'indice di Youden massimo, sono stati calcolati sensibilità, specificità, valore predittivo positivo (PPV) e valore predittivo negativo (NPV). Sono stati calcolati il miglioramento continuo della riclassificazione netta (NRI) e il miglioramento integrato della discriminazione (IDI) per quantificare il miglioramento nella riclassificazione del rischio fornito dal modello esteso²⁵. La calibrazione è stata valutata mediante grafici di calibrazione generati da 1.000 ricampionamenti bootstrap implementati con il pacchetto rms, e l'errore assoluto medio tra i rischi previsti e osservati è stato calcolato. Per tenere conto di un possibile overfitting e fornire una valutazione imparziale delle prestazioni del modello, la validazione bootstrap ha incluso la correzione per l'ottimismo, riportando sia le prestazioni corrette per il bias sia quelle apparenti del modello. È stata effettuata un'analisi della curva decisionale (DCA) per valutare l'utilità clinica potenziale stimando il beneficio netto in un intervallo di probabilità soglia. Tutte le analisi statistiche e le visualizzazioni sono state eseguite utilizzando software statistici e i pacchetti rms, glmnet, pROC, PredictABEL e dcurves. La significatività statistica è stata definita come un valore P bilaterale di <0,05.

Risultati

Progettazione dello studio e popolazione di pazienti

Dopo l'esclusione di 616 individui a causa di gravi malattie concomitanti o dati clinico-radiologici mancanti, l'analisi finale ha incluso 234 partecipanti idonei ricoverati per valutazione neurologica (Figura 1). I partecipanti sono stati stratificati in base ai loro punteggi complessivi di CSVD in gruppi ad alto carico (n = 129) e a basso carico (n = 105). Le caratteristiche demografiche e cliniche di base di entrambi i gruppi sono riportate nella Tabella 1. I partecipanti con un elevato carico di CSVD erano più anziani rispetto a quelli con un basso carico di CSVD (67,71 ± 7,41 anni contro 64,91 ± 7,74 anni, P = 0,005) e presentavano una maggiore prevalenza di ipertensione (63,6% contro 48,6%, P = 0,024). La prevalenza di ictus ischemico pregresso era anch'essa più elevata nel gruppo ad alto carico, sebbene la differenza non raggiungesse la significatività statistica (21,7% contro 12,4%, P = 0,076). Per quanto riguarda i parametri di salute orale, la prevalenza di parodontite grave era maggiore nel gruppo ad alto carico (52,7% contro 16,2%, P < 0,001), accompagnata da una maggiore profondità media della tasca sondabile (PPD; 4,88 mm contro 2,54 mm, P < 0,001) e da un maggiore livello di attacco clinico (CAL; 4,54 mm contro 2,12 mm, P < 0,001). I partecipanti del gruppo ad alto carico avevano inoltre un numero inferiore di denti naturali residui (18,39 ± 8,15 contro 24,36 ± 6,21, P < 0,001). Inoltre, i valori di Log_SII erano più elevati nel gruppo ad alto carico rispetto al gruppo a basso carico (6,48 ± 0,52 contro 6,27 ± 0,45, P = 0,001). Lo stato di fumatore, l'indice di massa corporea e la distribuzione per sesso non differivano in modo significativo tra i gruppi.

Figura 1. Diagramma di flusso della selezione dei partecipanti allo studio. Diagramma di flusso che illustra la selezione dei partecipanti per lo studio trasversale retrospettivo. Sono stati sottoposti a screening pazienti consecutivi ricoverati presso il Dipartimento di Neurologia dell'Ospedale Popolare N. 2 di Changzhou tra gennaio 2022 e dicembre 2024 per vertigini, cefalea, screening di ictus o valutazione cognitiva. I criteri di esclusione sono stati applicati in sequenza prima di stratificare i partecipanti in gruppi con basso e alto carico di malattia dei piccoli vasi cerebrali (CSVD). Cliccare qui per visualizzare una versione ingrandita di questa figura.

Variabile	Basso carico di CSVD (n = 105)	Alto carico di CSVD (n = 129)	Valore P
Età (anni), media ± DS	64,91 ± 7,74	67,71 ± 7,41	0,005
Sesso maschile, n (%)	49 (46,7)	69 (53,5)	0,358
Indice di massa corporea (kg/m²), media ± DS	24,24 ± 2,92	23,62 ± 3,12	0,122
Ipertensione, n (%)	51 (48,6)	82 (63,6)	0,024
Diabete mellito, n (%)	27 (25,7)	30 (23,3)	0,76
Dislipidemia, n (%)	55 (52,4)	59 (45,7)	0,358
Malattia coronarica, n (%)	20 (19,0)	26 (20,2)	0,87
Infarto miocardico, n (%)	4 (3,8)	4 (3,1)	>0,999*
Ictus ischemico precedente, n (%)	13 (12,4)	28 (21,7)	0,076
Grado di parodontite, n (%)			<0,001
Sano/Lieve	45 (42,9)	21 (16,3)
Moderato	43 (41,0)	40 (31,0)
Grave	17 (16,2)	68 (52,7)
Numero di denti residui, media ± DS	24,36 ± 6,21	18,39 ± 8,15	<0,001
Profondità media della tasca sondabile (PPD, mm), mediana (IQR)	2,54 (2,12–4,13)	4,88 (3,65–6,21)	<0,001
Livello medio di attacco clinico (CAL, mm), mediana (IQR)	2,12 (0,89–3,76)	4,54 (3,12–6,45)	<0,001
Log_SII, media ± DS	6,27 ± 0,45	6,48 ± 0,52	0,001
Proteina C reattiva ad alta sensibilità (hs-CRP, mg/L), mediana (IQR)	1,45 (0,76–2,54)	2,89 (1,56–4,32)	<0,001
Omocisteina (Hcy, µmol/L), mediana (IQR)	12,34 (9,87–15,65)	15,76 (12,45–19,82)	<0,001

Tabella 1: Caratteristiche basali della popolazione in studio in base al carico di malattia dei piccoli vasi cerebrali (CSVD). Le variabili continue sono riportate come media ± deviazione standard (DS) o mediana (intervallo interquartile [IQR]), secondo opportunità. Le variabili categoriche sono riportate come numero (percentuale). * Valore di P calcolato mediante il test esatto di Fisher a causa del ridotto numero di osservazioni nelle singole categorie. Tutti gli altri confronti categorici sono stati effettuati utilizzando il test chi-quadrato di Pearson, salvo indicazione contraria. Abbreviazioni: BMI, indice di massa corporea; CAL, livello di attacco clinico; CAD, malattia coronarica; CSVD, malattia dei piccoli vasi cerebrali; DM, diabete mellito; Hcy, omocisteina; hs-CRP, proteina C-reattiva ad alta sensibilità; HTN, ipertensione; IQR, intervallo interquartile; Log_SII, logaritmo naturale dell'indice sistemico di infiammazione-immunità; MI, infarto miocardico; PPD, profondità della tasca sondabile; DS, deviazione standard; SII, indice sistemico di infiammazione-immunità.

Valutazione dello Stato Parodontale e dell'Infiammazione

La distribuzione dei punteggi totali di carico di CSVD in base al grado di parodontite è mostrata nella Figura 2. La proporzione di partecipanti con punteggi CSVD più elevati è aumentata con la gravità crescente della parodontite, e il test di Cochran-Armitage ha dimostrato una tendenza significativa (P < 0,001). L'associazione tra il numero di denti mantenuti e la probabilità di un elevato carico di CSVD è stata ulteriormente valutata mediante analisi RCS (Figura 3). Dopo aggiustamento per età, ipertensione e Log_SII, il test formale ha supportato un modello lineare dose-risposta piuttosto che un effetto soglia non lineare (P per non linearità = 0,332). La probabilità stimata di un elevato carico di CSVD è aumentata progressivamente al diminuire del numero di denti mantenuti. Tuttavia, le stime relative ai conteggi più bassi di denti devono essere interpretate con cautela a causa degli intervalli di confidenza più ampi.

Figura 2. Distribuzione del carico totale della malattia cerebrovascolare da piccoli vasi (CSVD) in base al grado di parodontite. Grafico a barre sovrapposte che mostra la distribuzione proporzionale di parodontite lieve/normale, moderata e grave nei diversi punteggi di carico totale di CSVD (0–4). Il test di tendenza di Cochran-Armitage ha evidenziato una tendenza significativa all'aumento della gravità della parodontite con l'aumentare del carico di CSVD (P per la tendenza <0.001). Cliccare qui per visualizzare una versione ingrandita di questa figura.

Figura 3. Analisi con spline cubiche restritte dell'associazione tra numero di denti mantenuti e alto carico di malattia dei piccoli vasi cerebrali (CSVD). Modello con spline cubiche restritte (RCS) che mostra l'associazione tra il numero di denti mantenuti e il logaritmo delle probabilità (log odds) di un alto carico di CSVD, aggiustato per età, ipertensione e logaritmo naturale dell'Indice Sistemico di Infiammazione-Immunitario (Log_SII). La linea rossa continua rappresenta il logaritmo delle probabilità stimato, mentre l'area ombreggiata rappresenta l'intervallo di confidenza al 95% (IC). Il test per la non linearità non è risultato statisticamente significativo (P per non linearità = 0,332), a sostegno di un'associazione lineare. Le stime relative ai valori più bassi del numero di denti devono essere interpretate con cautela a causa di intervalli di confidenza più ampi. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Analisi Statistica e Sviluppo del Modello

È stata utilizzata la regressione con operatore di riduzione e selezione della minima assoluta con validazione incrociata a 10 ripiegamenti per la selezione delle variabili tra i parametri basali (Supplementary Figure 1). La procedura ha mantenuto l'età, l'ipertensione, il grado di parodontite e il numero di denti residui come caratteristiche principali. Nel successivo modello di regressione logistica multivariata (Table 2), l'età (odds ratio [OR] = 1,06, intervallo di confidenza al 95% [CI]: 1,02–1,10, P = 0,008) e l'ipertensione (OR = 2,02, 95% CI: 1,16–3,55, P = 0,014) si sono associate in modo indipendente a un elevato carico di CSVD. La parodontite grave (OR = 1,73, 95% CI: 0,25–12,19, P = 0,580) e il numero di denti residui (OR = 0,94, 95% CI: 0,87–1,01, P = 0,112) non hanno raggiunto la significatività statistica, indicando che le loro associazioni si sono attenuate dopo l'aggiustamento multivariato. Questi parametri parodontali sono stati mantenuti nel modello finale come caratteristiche esplorative. Le analisi sottogruppo dell'associazione tra parodontite grave e alto carico di CSVD sono presentate in Supplementary Figure 2. La direzione dell'associazione è stata generalmente coerente tra i sottogruppi prestabiliti. In particolare, gli OR sono stati 1,88 (95% CI: 0,19–18,57) nelle femmine e 1,76 (95% CI: 0,12–25,14) nei maschi; 2,44 (95% CI: 0,21–28,53) nei partecipanti con ipertensione e 1,48 (95% CI: 0,11–19,34) in quelli senza ipertensione; e 2,12 (95% CI: 0,23–19,82) nei partecipanti di età ≥65 anni e 1,45 (95% CI: 0,10–21,05) in quelli di età <65 anni. Nessuna interazione statisticamente significativa è stata osservata per il sesso (P_interaction = 0,916), lo stato di ipertensione (P_interaction = 0,627) o l'età (P_interaction = 0,684), indicando l'assenza di evidenze di modifica dell'effetto in queste analisi esplorative per sottogruppi.

Variabile	Rapporto di probabilità (OR)	Intervallo di confidenza al 95% (CI)	Valore P
Età	1.06	1.02–1.10	0.008
Ipertensione	2.02	1.16–3.55	0.014
Log_SII	0.35	0.07–1.81	0.214
Numero di denti conservati	0.94	0.87–1.01	0.112
Grado di parodontite
Sano/Lieve (Riferimento)	1	—	—
Moderato	1.41	0.51–3.90	0.51
Grave	1.73	0.25–12.19	0.58

Tabella 2:  Analisi di regressione logistica multivariata dei fattori associati a un elevato carico di malattia dei piccoli vasi cerebrali (CSVD). Le variabili incluse nel modello di regressione logistica multivariata sono state selezionate mediante regressione con operatore di riduzione e selezione assoluta minima (LASSO). La categoria di riferimento è rappresentata da parodontite lieve/sana. Il rapporto di probabilità (OR) relativo al numero di denti mantenuti indica la variazione della probabilità di un elevato carico di CSVD associata a ciascun dente in più mantenuto. Abbreviazioni: CI, intervallo di confidenza; CSVD, malattia dei piccoli vasi cerebrali; LASSO, operatore di riduzione e selezione assoluta minima; Log_SII, logaritmo naturale dell'indice sistemico di immuno-infiammazione; OR, rapporto di probabilità.

Un nomogramma clinico è stato costruito a partire dal modello multivariabile finale come framework esplorativo per la valutazione del rischio individualizzato di CSVD (Figura 4). Il nomogramma illustra il contributo dell'età, dell'ipertensione, del Log_SII, del grado di parodontite e del numero di denti residui alla probabilità stimata di un elevato carico di CSVD. Per valutare il potenziale valore aggiuntivo dei parametri parodontali, un modello di base comprendente età, ipertensione e Log_SII è stato confrontato con un modello esteso che includeva inoltre il grado di parodontite e il numero di denti residui (Tabella 3). L'analisi della curva ROC ha mostrato un AUC di 0,688 (IC 95%: 0,621–0,755) per il modello esteso e di 0,656 (IC 95%: 0,587–0,726) per il modello di base; la differenza non è risultata statisticamente significativa secondo il test di DeLong (P = 0,263) (Figura 5A). Il modello esteso ha prodotto un miglioramento netto continuo nella riclassificazione (NRI) pari a 0,454 (P < 0,001) e un IDI di 0,052 (P < 0,001). La calibrazione è stata valutata mediante 1.000 ricampionamenti bootstrap. Il grafico di calibrazione ha mostrato un accordo tra le probabilità di evento stimate e osservate, con un errore assoluto medio di 0,038 (Figura 5B). L'analisi DCA ha indicato un potenziale beneficio netto per il modello esteso in corrispondenza di determinate probabilità soglia selezionate (Figura 6). Tuttavia, questo beneficio apparente va interpretato con cautela poiché il miglioramento dell'AUC non è risultato statisticamente significativo e non è stata effettuata una validazione esterna.

Metrica	Modello di base	Modello esteso	Valore P / Miglioramento
AUC (IC 95%)	0.656 (0.587–0.726)	0.688 (0.621–0.755)	0.263 (DeLong)
Sensibilità	—	0.512	—
Specificità	—	0,8	—
Valore predittivo positivo (VPP)	—	0,759	—
Valore predittivo negativo (VPN)	—	0,571	—
Miglioramento continuo della riclassificazione netta (NRI)	—	0,454	<0,001
Miglioramento dell'indice di discriminazione integrato (IDI)	—	0,052	<0,001

Tabella 3: Confronto delle prestazioni predittive tra il modello di base e il modello esteso. Il modello di base includeva età, ipertensione e Log_SII. Il modello esteso includeva inoltre il grado di parodontite e il numero di denti residui. La capacità discriminante del modello è stata valutata mediante l'area sotto la curva caratteristica operativa del ricevitore (AUC), e le differenze tra le AUC sono state confrontate utilizzando il test di DeLong. Sensibilità, specificità, valore predittivo positivo (PPV) e valore predittivo negativo (NPV) sono stati calcolati utilizzando la soglia ottimale determinata dall'indice di Youden massimo. Il miglioramento continuo della riclassificazione netta (NRI) e il miglioramento integrato della discriminazione (IDI) sono stati utilizzati per valutare le prestazioni predittive aggiuntive del modello esteso. Abbreviazioni: AUC, area sotto la curva caratteristica operativa del ricevitore; CI, intervallo di confidenza; IDI, miglioramento integrato della discriminazione; Log_SII, logaritmo naturale dell'indice sistemico di infiammazione-immunitario; NPV, valore predittivo negativo; NRI, miglioramento della riclassificazione netta; PPV, valore predittivo positivo.

Figura 4. Nomogramma per la stima della probabilità di un elevato carico di malattia dei piccoli vasi cerebrali (CSVD). Nomogramma sviluppato a partire dal modello finale di regressione logistica multivariabile. Per stimare la probabilità individuale di un elevato carico di CSVD, individuare il valore del paziente per ciascun predittore, assegnare il punteggio corrispondente sull'asse “Punti”, sommare i punteggi individuali per ottenere il punteggio totale e proiettare questo punteggio totale sulla scala di probabilità per stimare il rischio previsto di un elevato carico di CSVD. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Figura 5. Discriminazione e calibrazione dei modelli predittivi. (A) Curve caratteristiche operative del ricevitore (ROC) che confrontano il modello di base e il modello esteso. La discriminazione del modello è stata valutata utilizzando l'area sotto la curva caratteristica operativa del ricevitore (AUC), e le differenze tra i modelli sono state valutate mediante il test di DeLong. (B) Grafico di calibrazione del modello esteso generato utilizzando 1.000 ricampionamenti bootstrap. Sono mostrate insieme le curve di calibrazione apparente, corretta per il bias e ideale, insieme ai limiti di confidenza (CL). La prestazione di calibrazione è stata valutata utilizzando l'errore assoluto medio tra le probabilità previste e osservate. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Figura 6. Analisi della curva decisionale dei modelli predittivi. L'analisi della curva decisionale (DCA) confronta il beneficio netto del modello di base e del modello esteso in un intervallo di probabilità soglia. Le strategie "Tratta Tutti" e "Non Trattare Nessuno" sono mostrate come curve di riferimento. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Nel complesso, i risultati hanno dimostrato associazioni significative non aggiustate tra la gravità della malattia parodontale, la perdita dei denti e un elevato carico di CSVD, insieme a un'associazione lineare tra la riduzione del numero di denti mantenuti e l'aumento del rischio di CSVD. Tuttavia, la parodontite grave e il numero di denti mantenuti non sono risultati indipendentemente associati a un elevato carico di CSVD dopo aggiustamento multivariabile. I risultati sostengono l'uso esplorativo di parametri parodontali all'interno di un modello preliminare di visualizzazione del rischio, ma non ne supportano l'interpretazione come predittori indipendenti né il nomogramma come strumento di screening clinicamente applicabile.

Disponibilità dei dati:

Il set di dati a livello di partecipante con informazioni anonime che sottende i risultati riportati in questo studio è fornito come Tabella Supplementare 1 e viene inviato insieme a questo manoscritto.

Figura supplementare 1. Selezione delle variabili mediante regressione con operatore di riduzione e selezione della norma L1 (LASSO). Il parametro di regolazione (λ) è stato ottimizzato utilizzando una validazione incrociata a 10 ripetizioni basata sulla devianza binomiale. Le linee verticali tratteggiate indicano i valori ottimali di λ corrispondenti al criterio minimo e al criterio dell'errore standard (1-SE).Cliccare qui per scaricare il file.

Figura supplementare 2. Analisi sottogruppi dell'associazione tra parodontite grave e elevato carico di malattia dei piccoli vasi cerebrali (CSVD). Diagramma a foreste che mostra i rapporti di probabilità (OR) e gli intervalli di confidenza al 95% (CI) per l'associazione tra parodontite grave e alto carico di CSVD nei sottogruppi predefiniti. La linea verticale tratteggiata indica un OR di 1,0.Cliccare qui per scaricare il file.

Tabella supplementare 1. Dataset a livello individuale con informazioni anonime a supporto delle analisi presentate in questo studio. Il dataset include caratteristiche demografiche anonime, fattori di rischio vascolari, variabili dell'esame parodontale, misurazioni di laboratorio, risultati dell'imaging a risonanza magnetica (MRI), punteggi del carico di malattia cerebrovascolare cronica (CSVD) e variabili di valutazione tra osservatori utilizzate per le analisi statistiche. Le definizioni delle variabili corrispondono a quelle descritte nella sezione Protocollo.Cliccare qui per scaricare il file.

Discussione

Lo studio attuale ha indagato la relazione tra distruzione parodontale, numero di denti mantenuti e carico cumulativo delle malattie vascolari cerebrali da piccoli vasi (CSVD), culminando nello sviluppo di un nomogramma clinico esplorativo. Sebbene le analisi univaribili abbiano dimostrato associazioni tra parodontite severa, perdita dentale e alto carico di CSVD, la regressione logistica multivariabile ha mostrato che la parodontite severa (P = 0.580) e il numero di denti mantenuti (P = 0.112) non erano indipendentemente associati a un elevato carico di CSVD dopo aggiustamento per i tradizionali fattori di rischio cardiovascolare, inclusi età e ipertensione. Di conseguenza, questi parametri parodontali non dovrebbero essere interpretati come predittori indipendenti di un alto carico di CSVD in questa coorte. Piuttosto, le associazioni osservate si sono attenuate dopo l'aggiustamento multivariabile. Studi precedenti che hanno esaminato la relazione tra salute orale e malattia cerebrovascolare si sono concentrati principalmente su singoli marcatori di neuroimmagine, come infarti lacunari o carico di iperintensità della sostanza bianca²⁶. Al contrario, lo studio attuale ha adottato il punteggio totale del carico di CSVD come esito primario, in conformità con le raccomandazioni contemporanee in materia di neuroimmagine e con i quadri concettuali attuali relativi alla malattia dei piccoli vasi cerebrali, fornendo così una valutazione più completa del danno microvascolare cerebrale diffuso^1,3,27.

Un risultato notevole dell'analisi RCS è stata l'assenza di un'associazione non lineare statisticamente significativa (P per non linearità = 0,332), a sostegno di una relazione lineare continua tra la riduzione del numero di denti mantenuti e l'aumento della probabilità di un elevato carico di CSVD, piuttosto che un effetto soglia distinto. La soglia di 20 denti mantenuti utilizzata per la stratificazione è stata scelta in base a criteri clinici consolidati per una dentizione funzionale e un invecchiamento orale di successo, piuttosto che essere derivata dall'analisi con spline^16,17,18. Fondamentalmente, la soglia di 20 denti mantenuti utilizzata per la stratificazione binaria è stata predeterminata prima dell'analisi dei dati. Questo valore soglia è stato scelto sulla base di un consenso clinico consolidato riguardo alla dentizione funzionale e all'invecchiamento orale di successo (ad esempio, l'iniziativa "8020" dell'OMS) per rappresentare il numero minimo di denti generalmente considerato necessario per mantenere una funzione orale di base, piuttosto che essere derivato dal dataset attuale. La perdita dentale e le malattie parodontali croniche rimangono importanti problemi di salute pubblica a causa delle loro associazioni con il deterioramento della funzione orale e della salute sistemica²⁸. Evidenze emergenti suggeriscono anche una potenziale relazione bidirezionale nell'asse orale-cervello, per cui la malattia cerebrovascolare da piccoli vasi potrebbe essere associata a un deterioramento parodontale accelerato²⁹. Per ottimizzare la selezione dei predittori, è stato implementato un modello di regressione LASSO mediante ottimizzazione tramite discesa coordinata³⁰. Rispetto ai tradizionali approcci di regressione stepwise, LASSO fornisce un framework di regolarizzazione che può migliorare la stabilità del modello e ridurre l'overfitting quando si considerano contemporaneamente variabili cliniche correlate³¹. Le variabili mantenute dopo la selezione LASSO sono state successivamente inserite nel modello di regressione logistica multivariata per lo sviluppo del nomogramma. Sebbene Log_SII non sia stato mantenuto dalla procedura automatizzata di selezione delle variabili LASSO, è stato intenzionalmente incluso come covariata clinica predeterminata sia nel modello di base che in quello esteso, a causa della sua rilevanza clinica consolidata come marcatore di infiammazione sistemica nelle malattie cerebrovascolari e nella parodontite. Questo approccio ha garantito l'aggiustamento per lo stato infiammatorio sistemico, consentendo al contempo la valutazione del contributo aggiuntivo delle variabili parodontali. Poiché LASSO è una tecnica predittiva di selezione delle variabili e non un metodo di inferenza causale, l'inclusione o l'esclusione di singole variabili non deve essere interpretata come evidenza della presenza o assenza di multicollinearità o rilevanza causale.

Dal punto di vista biologico, la parodontite grave è caratterizzata come un'infezione disbiotica localizzata che può contribuire a risposte infiammatorie sistemiche³². È stato dimostrato che la terapia parodontale riduce i marcatori infiammatori sistemici e migliora la funzione endoteliale periferica, sostenendo un'associazione tra salute orale e funzione vascolare³³. I patogeni parodontali, tra cui Porphyromonas gingivalis, e i loro componenti lipopolisaccaridici possono entrare in circolo sistemico durante la masticazione o le procedure di igiene orale, e componenti batterici sono stati rilevati nei tessuti neurali³⁴. L'esposizione sistemica cronica a questi stimoli infiammatori è stata proposta come uno dei meccanismi che potrebbero contribuire alla disfunzione endoteliale e al danno della barriera emato-encefalica, processi coinvolti nella patogenesi della malattia cerebrovascolare a piccoli vasi³⁵. Per valutare l'utilità clinica del modello predittivo ottenuto, è stata eseguita un'analisi decisionale basata sulla curva (DCA) per stimare il beneficio netto potenziale in un intervallo di probabilità soglia³⁶. Sebbene la DCA abbia indicato vantaggi potenziali rispetto alle strategie standard, essa rappresenta una prestazione teorica del modello e non dimostra un beneficio clinico reale né miglioramenti negli esiti per i pazienti. Per favorire una comunicazione trasparente e facilitare la valutazione indipendente e la riproducibilità, lo sviluppo e la presentazione di questo flusso di lavoro esplorativo hanno seguito le linee guida del documento Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD)³⁷. Questo schema di reportistica è pertinente poiché si ipotizza che l'infiammazione orale cronica a basso grado interagisca con vie metaboliche sistemiche coinvolte nella neurodegenerazione cerebrale³⁸. La valutazione del modello ha incluso misure di convalida consolidate insieme ad ulteriori indici di prestazione predittiva³⁹. Più in generale, questo approccio riflette le possibili implicazioni sistemiche dell'infiammazione mucosale localizzata⁴⁰. Tuttavia, considerata la modesta capacità discriminante del modello (AUC = 0,688), l'assenza di un miglioramento statisticamente significativo dell'AUC rispetto al modello di base secondo il test di DeLong (P = 0,263) e gli ampi intervalli di confidenza associati alle variabili relative alla salute orale, il nomogramma proposto deve essere interpretato esclusivamente come un quadro preliminare e di visualizzazione esplorativa, piuttosto che come uno strumento clinicamente applicabile nella pratica neurologica di routine.

Diversi passaggi metodologici sono importanti per la riproducibilità e l'attuazione corretta del flusso di lavoro proposto e possono influenzare le prestazioni del modello riportate. In primo luogo, gli esami parodontali devono essere altamente standardizzati, con esaminatori calibrati che effettuano misurazioni della profondità di sondaggio e del livello di attacco clinico in sei siti per dente, secondo il framework classificatorio del 2018 dell'EFP/AAP¹⁵. In secondo luogo, la riproducibilità delle neuroimmagini dipende da protocolli standardizzati di acquisizione mediante risonanza magnetica a 3,0 T, inclusi sequenze di imaging con recupero dell'inversione attenuato per il liquido (FLAIR) e imaging pesato in suscettibilità (SWI), insieme a criteri di valutazione condivisi e validati per il carico totale di malattia cerebrale da piccoli vasi (CSVD)¹. In terzo luogo, il prelievo del sangue e la lavorazione in laboratorio devono essere standardizzati utilizzando campioni di sangue venoso a digiuno e procedure di gestione costanti dei campioni, al fine di garantire un calcolo affidabile del logaritmo naturale dell'Indice Sistemico di Infiammazione-Immunitario (Log_SII). Ulteriori misure che potrebbero migliorare l'attuazione includono la cartella dentale elettronica per ridurre gli errori di inserimento manuale dei dati e procedure standardizzate per la gestione dei dati mancanti.

Nonostante queste considerazioni metodologiche, è necessario riconoscere diversi limiti. Il disegno trasversale retrospettivo monocentrico non consente di trarre conclusioni riguardo alla causalità. Inoltre, sebbene l'inclusione di 129 eventi con elevato carico di CSVD abbia soddisfatto il criterio eventi-per-variabile per lo sviluppo di un modello stabile, la dimensione relativamente ridotta del campione ha limitato la potenza statistica delle analisi multivariabili. Il modello inoltre non ha tenuto conto di diversi potenziali fattori di confondimento, tra cui le pratiche di igiene orale (ad esempio, frequenza di spazzolamento e uso del filo interdentale) e precedenti trattamenti parodontali, entrambi in grado di influenzare lo stato parodontale. Inoltre, non può essere esclusa una causalità inversa, poiché pazienti con CSVD avanzata o disabilità post-ictus potrebbero presentare compromissione cognitiva, funzione motoria e destrezza manuale, potenzialmente pregiudicando le pratiche di igiene orale⁴¹ e riducendo l'utilizzo delle cure odontoiatriche di routine⁴². Di conseguenza, la parodontite avanzata potrebbe, in parte, rappresentare una conseguenza piuttosto che una causa del danno neurovascolare. Infine, il disegno retrospettivo ha impedito la raccolta di campioni di placca subgingivale per il sequenziamento dell'RNA ribosomiale 16S o il profilo metagenomico, limitando l'indagine su potenziali relazioni tra il microbioma orale e mediatori infiammatori circolanti o biomarcatori legati all'amiloide⁴³. L'assenza di un coorte esterna indipendente per la validazione rimane un limite importante, e la generalizzabilità del modello proposto ad altre popolazioni non è ancora stata dimostrata. Sono necessari futuri studi prospettici multicentrici con stima formale della dimensione del campione, validazione esterna e integrazione di ulteriori marcatori biologici.

In conclusione, la parodontite grave e il mantenimento di meno di 20 denti hanno mostrato significative associazioni univaribili con un elevato carico di malattia vascolare cerebrale cronica (CSVD); tuttavia, queste associazioni si sono attenuate dopo l'aggiustamento multivariabile e non sono risultate indipendentemente associate a un elevato carico di CSVD in questa coorte. Il nomogramma clinico proposto, che integra parametri parodontali con fattori di rischio convenzionali, fornisce un quadro preliminare, non invasivo ed esplorativo per la visualizzazione personalizzata del rischio, piuttosto che uno strumento di screening clinicamente validato. È necessaria una validazione esterna in coorti indipendenti prima di prendere in considerazione un'applicazione clinica di routine. Sebbene siano necessari studi longitudinali per chiarire la relazione causale tra salute orale e CSVD, il mantenimento della salute parodontale e la conservazione della dentizione funzionale rimangono aree importanti per future ricerche multidisciplinari sulle malattie cerebrovascolari legate all'età.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Analizzatore Ematologico Automatico	Sysmex	XN-1000	Utilizzato per ottenere i conteggi delle cellule del sangue periferico al fine del calcolo dell'indice sistemico di infiammazione-immunità (SII).
Provette per il Prelievo di Sangue con EDTA (K2 EDTA)	Becton, Dickinson and Company	367841	Utilizzate per il prelievo di sangue venoso a digiuno.
Sistema Informatizzato Sanitario (EMR)	Winning Health Technology Group	Winning EMR v6.0	Utilizzato per estrarre informazioni demografiche e cliniche dei pazienti.
Scanner per Risonanza Magnetica (MRI) (3,0 T)	Siemens Healthineers	MAGNETOM Prisma 3.0T	Utilizzato per esami standardizzati di risonanza magnetica cranica.
Bobina per Testa per Risonanza Magnetica (MRI)	Siemens Healthineers	Bobina per Testa e Collo a 64 Canali	Bobina standard per la testa utilizzata durante l'acquisizione della risonanza magnetica.
Proiettore Parodontale (UNC-15)	Hu-Friedy	PCPUNC15	Utilizzato per misurare la profondità di sondaggio parodontale (PPD) e il livello di attacco clinico (CAL).
Pacchetto R: dcurves	CRAN	Versione 0.4.0	Utilizzato per l'analisi della curva decisionale (DCA).
Pacchetto R: glmnet	CRAN	Versione 4.1-8	Utilizzato per la regressione con operatore di riduzione e selezione assoluta minima (LASSO) e per la selezione delle variabili.
Pacchetto R: pROC	CRAN	Versione 1.18.5	Utilizzato per l'analisi della curva caratteristica operativa del ricevitore (ROC) e per i test di DeLong.
Pacchetto R: PredictABEL	CRAN	Versione 1.2-4	Utilizzato per calcolare il miglioramento continuo della riclassificazione netta (NRI) e il miglioramento dell'indice di discriminazione integrato (IDI).
Pacchetto R: rms	CRAN	Versione 6.7-1	Utilizzato per l'analisi con spline cubiche restrittive (RCS), la costruzione di nomogrammi e la calibrazione con metodo bootstrap.
Software R per l'Elaborazione Statistica	R Foundation for Statistical Computing	Versione 4.3.1	Ambiente di calcolo statistico utilizzato per tutte le analisi.