Deze studie stelde een voor leeftijd gecorrigeerde regressiemodellering voor met behulp van middengezicht en schedelbasismorfologie als een potentieel hulpmiddel voor preoperatieve evaluatie en geïndividualiseerde chirurgische planning voor kinderen met syndromale craniosynostose (SC).
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Onderzoeksartikel
Hypoplasie van het middengezicht en morfologie van de schedelbasis bij syndromale craniosynostose: een vergelijkende analysestudie met behulp van een voorspellend regressiemodel
In dit artikel
Samenvatting
Samenvatting
Hypoplasie van het middengezicht is een veel voorkomende anomalie bij kinderen met craniofaciale aandoeningen zoals gespleten gehemelte en syndromale synostose. Een groot functioneel probleem in verband met deze aandoening is de vernauwing van de nasofaryngeale luchtweg, wat leidt tot ademhalingsstoornissen. Een pilotstudie met 30 computertomografie (CT) scandatasets in drie verschillende groepen (normale, geopereerde synysynostose en niet-geopereerde syndromale craniosynostose) werd uitgevoerd om een gepubliceerde middengezichtsformule te evalueren, namelijk 'Hariri-Ros-Nor-regressiemodel' voor voorspellende craniale basismeting bij syndromale craniosynostose. De verkregen resultaten toonden aan dat, hoewel de voorspellingen van de schedelbasis (NBa) relatief consistent waren, de middengezichtsbreedte (ZMR-ZML) significante verschillen vertoonde ten opzichte van de voorspelde waarden, met name bij geopereerde patiënten met synosynostose. Leeftijd bleek een significante invloed te hebben op de meetnauwkeurigheid en de betrouwbaarheid van de voorspelling. Concluderend suggereert de huidige studie dat voor leeftijd gecorrigeerde modellering de voorspellende nauwkeurigheid bij craniofaciale beoordeling kan verbeteren. Het biedt een potentieel hulpmiddel voor de preoperatieve evaluatie en geïndividualiseerde chirurgische planning bij syndromale craniosynostose.
Inleiding
Syndromale craniosynostose (SC) is een complexe aangeboren aandoening die wordt veroorzaakt door de voortijdige fusie van schedelhechtingen, resulterend in beperkte schedelgroei, misvormingen van de schedelbasis en hypoplasie van het middengezicht die vaak leidt tot functionele en esthetische complicaties 1,2. Deze afwijkingen kunnen de doorgankelijkheid van de luchtwegen, de visuele integriteit en de neurologische ontwikkelingsresultaten in gevaar brengen, wat het belang van vroege herkenning en nauwkeurige interventie onderstreept 1,3. Chirurgische behandeling bij SC is bijzonder tijdgevoelig, omdat vertraagde correctie het risico op verhoogde intracraniale druk, obstructieve slaapapneu (OSA) en oogheelkundige complicaties zoals proptosis en blootstelling aan het hoornvlies verhoogt 1,3,4. Daarom blijft het bepalen van de optimale timing van craniale en midfaciale vooruitgang een van de meest kritieke en uitdagende aspecten van klinische behandeling1.
Conventionele beoordelingsmethoden voor syndromale craniosynostose zijn vaak gebaseerd op beschrijvende groeianalyses en functionele drempels om chirurgische ingrepen te begeleiden 5,6. Hoewel deze benaderingen algemene referentiepunten bieden, missen ze patiëntspecifieke voorspellende nauwkeurigheid en worden ze beïnvloed door klinische subjectiviteit 7,8. In de afgelopen jaren is de belangstelling gegroeid voor het ontwikkelen van kwantitatieve modellen die kunnen anticiperen op craniofaciale groeitrajecten en geïndividualiseerde chirurgische planning kunnen informeren. Het Hariri-Ros-Nor-regressiemodel biedt een reproduceerbaar en kwantitatief kader door voorspellende relaties vast te stellen tussen oriëntatiepunten in de schedelbasis en midfaciale dimensies, waardoor clinici een objectief hulpmiddel krijgen om groei te voorspellen en chirurgische timing te optimaliseren9.
De voorspellende kracht van dit model is met name relevant voor de meest voorkomende syndromale subtypes, zoals de syndromen van Apert en Crouzon, die verschillende groeipatronen en chirurgische vereisten vertonen9. Door gebruik te maken van standaard craniofaciale CT-beeldvorming en reproduceerbare anatomische oriëntatiepunten, namelijk Sella, Nasion, Basion, ZMR en ZML, kan het model de groei van het middengezicht kwantificeren met efficiëntie en interpreteerbaarheid, zelfs in klinische omgevingen waar geavanceerde geometrische morfometrische of eindige-elementenanalyses niet beschikbaar zijn9. Het is vooral waardevol in de vroege tot midden kindertijd (ongeveer 4-12 jaar), wanneer de gezichtsgroei actief is en beslissingen over chirurgische timing blijvende ontwikkelingsimplicaties hebben9. De toepasbaarheid van het model wordt echter beperkt door de afhankelijkheid van CT-beeldvorming, de validatie binnen een enkel cohort en de mogelijke variatie bij zeer jonge of late adolescente patiënten, wat de noodzaak van integratie naast multidisciplinaire evaluatie10 benadrukt.
Voortbouwend op deze basis biedt het Hariri-Ros-Nor-regressiemodel een reproduceerbare, patiëntspecifieke benadering voor het voorspellen van de groei van de middenfaciale en craniale basis, waarbij de beperkingen van de huidige beschrijvende kaders worden aangepakt. Het kwantificeren van anatomische relaties maakt het mogelijk om patiënten met een risico op functionele achteruitgang eerder te identificeren en ondersteunt proactieve, datagestuurde chirurgische planning. Deze mogelijkheden zijn van bijzonder belang bij het voorkomen van onomkeerbare complicaties die verband houden met vertraagde interventie, zoals luchtwegobstructie, intracraniële hypertensie en oogheelkundige morbiditeit. Daarom heeft deze studie tot doel de nauwkeurigheid en klinische toepasbaarheid van het Hariri-Ros-Nor-regressiemodel te evalueren bij het beoordelen van groeipatronen van de midden- en schedelbasis bij syndromale en niet-syndromale pediatrische populaties.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
Deze studie werd goedgekeurd door de Medische Ethische Commissie, Faculteit der Tandheelkunde, Universiti Malaya, Kuala Lumpur (DF OS1921/0082(P)). Aangezien het onderzoek retrospectieve en geanonimiseerde computertomografie (CT) scangegevens omvatte zonder het gebruik van biologische weefsels of vloeistoffen, was toestemming van de patiënt niet vereist. De methodologie van deze studie volgde de procedures beschreven door Hariri et al.9 met verschillende wijzigingen. De gebruikte apparatuur en software staan vermeld in de Materiaaltabel.
1. Selectie van proefpersonen en ophalen van CT-scangegevens
Retrospectieve craniale CT-scans van pediatrische patiënten met de diagnose syndromale craniosynostose (SC) werden opgehaald uit het digitale beeldvormingsarchief van de craniofaciale kliniek van het Universitair Malaya Medisch Centrum (UMMC), voor de periode van november 2015 tot december 2022. Daarnaast werden prospectieve CT-scans opgenomen die tussen mei 2023 en januari 2024 zijn verkregen.
Potentiële proefpersonen werden geïdentificeerd aan de hand van de dossiers van de craniofaciale kliniek en handmatig gescreend door de onderzoeker volgens vooraf gedefinieerde geschiktheidscriteria. De inclusiecriteria omvatten (1) een bevestigde diagnose van syndromale craniosynostose door craniofaciale chirurgen, (2) beschikbaarheid van een volledig medisch dossier en (3) leeftijd <12 jaar. Controlepersonen waren ook jonger dan 12 jaar en moesten volledige craniale en gezichts-CT-scans ondergaan zonder enige voorgeschiedenis van craniofaciale afwijkingen. De uitsluitingscriteria die op alle cohorten werden toegepast, waren onder meer leeftijd ≥12 jaar, niet-syndromale of geïsoleerde craniosynostose, onvolledige klinische of beeldvormende documentatie, een voorgeschiedenis van craniofaciale chirurgie of hypoplasie van het middengezicht geassocieerd met andere syndromen. Na screening werd een definitieve lijst van in aanmerking komende proefpersonen ingediend bij de Research Unit of Biomedical Imaging om niet-contrasterende CT-schedeldatasets te verkrijgen. Beeldvormingsgegevens werden verstrekt op compact discs (cd's) in Digital Imaging and Communications in Medicine (DICOM)-formaat, met acquisitieprotocollen gestandaardiseerd volgens afdelingsrichtlijnen (axiale plakdikte ≤1,00 mm, volledige craniofaciale dekking en consistente voxelresolutie). De Biomedical Imaging-eenheid controleerde de volledigheid van de dataset, de afwezigheid van significante artefacten en de naleving van DICOM-normen voorafgaand aan de release. Alle geverifieerde datasets werden veilig gearchiveerd en vervolgens voorbereid voor import in een 3D-software voor medische beeldverwerking voor driedimensionale reconstructie en analyse. In totaal werden dertig proefpersonen geselecteerd en gelijkelijk verdeeld in drie cohorten: niet-geopereerde SCgroep (SCNO), geopereerde SC-groep (SCO) en normale controlegroep (n = 10 per groep).
2. 3D reconstructie en identificatie van oriëntatiepunten
Alle geïmporteerde datasets werden weergegeven in axiale, sagittale en coronale vlakken, samen met een driedimensionaal voorbeeld. Metadata in de DICOM-bestanden maakten automatische extractie van acquisitieparameters mogelijk (plakdikte, voxelresolutie en aantal plakjes). Om het driedimensionale volumetrische model te genereren, werd eerst een botmasker gemaakt en vervolgens gereconstrueerd door Segmentatie → 3D berekenen in nabootsingen te selecteren. De segmentatie is verder verfijnd met behulp van de drempelfunctie, die toegankelijk is via Segmentatie → Drempelwaarde in de hoofdwerkbalk. Variabiliteit in botdefinitie of de aanwezigheid van overmatige ruis kan worden waargenomen wanneer tijdens segmentatie ongeschikte Hounsfield Unit (HU)-bereiken werden toegepast. Dit probleem kan worden opgelost door de standaard "Bot (CT)"-drempelvoorinstelling toe te passen die beschikbaar is in 3D-software voor medische beeldvorming en de segmentatiemaskers te verfijnen met behulp van de functie Masker bewerken om artefacten uit te sluiten en de structurele continuïteit te verbeteren. Dit proces zorgde ervoor dat alleen botstructuren in het masker werden benadrukt, waardoor aangrenzende zachte weefsels werden uitgesloten en beeldruis of artefacten werden verminderd.
Anatomische oriëntatiepunten werden geïdentificeerd en gemarkeerd met behulp van de tool voor het maken van punten, te vinden onder Metingen → punt maken. Voor elk oriëntatiepunt roteerde en vergrootte de onderzoeker de 3D-reconstructie om de zichtbaarheid te optimaliseren en plaatste vervolgens met een enkele muisklik een punt direct op de anatomische plaats. De volgende oriëntatiepunten werden geregistreerd: de Sella (S) in het midden van de sella turcica, de Nasion (N) op de kruising van de frontonasale hechting, het Bastion (Ba), gedefinieerd als het voorste middelpunt van het achterhoofdsbeen bij de spheno-occipitale synchondrose, en de rechter en linker jukbeenderen (ZMR, ZML) aan de infraorbitale rand. Kleine variabiliteit in de positionering van oriëntatiepunten kan optreden wanneer punten worden gedefinieerd vanuit een enkel kijkperspectief. Om de nauwkeurigheid te verbeteren, werd elk oriëntatiepunt over meerdere kijkhoeken bevestigd door de driedimensionale reconstructie te roteren en te verwijzen naar axiale, sagittale en coronale vlakken voorafgaand aan de uiteindelijke plaatsing. Elk oriëntatiepunt werd automatisch opgeslagen in de projectboom onder de lijst "Metingen". De volledige set herkenningscoördinaten en labels werd geëxporteerd met behulp van de functie Metingen exporteren , waardoor gegevenssets in .csv of .xls formaat werden geproduceerd. Deze oriëntatiepunten werden vervolgens gebruikt als referentiepunten voor lineaire metingen van de schedelbasis en het middengezichtsskelet.
3. Lineaire meting van craniale en midfaciale variabelen
Lineaire craniofaciale metingen werden uitgevoerd in 3D-software voor medische beeldverwerking, met behulp van de afstandsmetingsfunctie. Na driedimensionale reconstructie en plaatsing van oriëntatiepunten werd het meetinstrument geopend via de menu's Analyse → Metingen → Afstand tussen punten . In deze functie werden twee anatomische oriëntatiepunten handmatig geselecteerd op de 3D-reconstructie, en de software berekende automatisch de Euclidische afstand tussen de geselecteerde coördinaten en de resultaten werden weergegeven in het venster Meetresultaten.
De volgende lineaire metingen werden verkregen: SN (anterieure craniale basislengte), gedefinieerd als de afstand tussen de sella (S) en nasion (N); SBa (achterste schedelbasislengte), gedefinieerd als de afstand tussen de sella (S) en het basion (Ba); NBa (totale schedelbasislengte), gedefinieerd als de afstand tussen het nasion (N) en het basion (Ba); en ZMR - ZML (maxillaire breedte), gedefinieerd als de interzygomatische afstand tussen de rechter en linker jukbeen. Elke meting werd rechtstreeks op het 3D-model uitgevoerd, waarbij indien nodig zoom- en rotatietools werden toegepast om een nauwkeurige puntplaatsing te garanderen.
Na voltooiing werd de meetlijst automatisch bijgewerkt in de projectboom van de software. De volledige dataset is geëxporteerd met behulp van de functie Metingen exporteren en opgeslagen in .xls formaat, inclusief alle oriëntatielabels met de bijbehorende lineaire waarden. Deze geëxporteerde waarden werden vervolgens gebruikt voor statistische analyse.
4. Toepassing van het regressiemodel
De geëxporteerde metingen werden geïmporteerd in een spreadsheetprogramma voor verdere analyse. Met behulp van de Hariri-Ros-Nor-regressieformule werden voorspelde waarden berekend voor zowel de totale schedelbasislengte als de maxillaire breedte. De volgende vergelijkingen werden toegepast:
De voorspelde waarden die uit deze formules zijn afgeleid, werden vervolgens vergeleken met de overeenkomstige gemeten waarden voor elke proefpersoon om de consistentie en afwijking in de schedelmorfologie te beoordelen door de standaarddeviatie van de dataset te berekenen. Daarna is de dataset nu klaar voor statistische analyse.
5. Statistische analyse
Alle gemeten en voorspelde waarden werden samengevoegd in een enkele dataset en geanalyseerd met behulp van statistische analysesoftware. Beschrijvende statistieken werden eerst berekend om de craniale basis- en midfaciale parameters in alle groepen samen te vatten. Verschillen tussen groepen werden beoordeeld met behulp van de niet-parametrische Mann-Whitney U-test. Daarnaast werd een Pearson-correlatieanalyse uitgevoerd om de relatie tussen leeftijd en schedelmetingen binnen elke groep te evalueren. Visuele representaties van de gegevens, waaronder boxplots voor groepsvergelijkingen en lijngrafieken voor correlatietrends, werden gegenereerd om statistische interpretaties te ondersteunen en te verduidelijken.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Volgens tabel 1 waren de gemeten NBa-waarden consistent hoger dan hun voorspelde tegenhangers in alle groepen, met de grootste afwijking waargenomen in het geopereerde syndromale craniosynostose (SCO) cohort. Daarentegen waren de ZMR-ZML-waarden (maxillaire breedte) in alle categorieën significant lager dan voorspeld, wat een aanzienlijke variabiliteit aantoont.
Na Pearson-correlatieanalyse (tabel 2) en matrixspreidingsdiagram...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
Deze pilotstudie demonstreert een gestructureerd en reproduceerbaar beeldvormingsprotocol dat op oriëntatiepunten gebaseerde analyse integreert met voorspellende modellering voor kwantitatieve craniofaciale evaluatie. Het protocol legt de nadruk op kritieke methodologische stappen, zoals gestandaardiseerde segmentatie, nauwkeurige plaatsing van oriëntatiepunten en consistente meetprocedures om nauwkeurigheid en reproduceerbaarheid te garanderen. Beeldsegmentatie en driedimensionale recon...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
De auteurs hebben geen tegenstrijdige belangen te verklaren.
Dankbetuigingen
Dit werk werd ondersteund door de Universiti Malaya Oro-Craniomaxillofacial Research and Surgical (OCReS) groep, Faculteit der Tandheelkunde, Universiti Malaya.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| Compact Dics (CD) | |||
| Materialise Mimics Medical software | Materialise NV | Versie 21 | 3D Medische Beeldverwerking Software |
| Microsoft Excel | Microsoft Inc. | Spreadsheet Software | |
| Personal Computer met CD-lezer | |||
| Statistical Package for the Social Sciences (SPSS) | IBM | G06TFML | Statistische Analyse Software |
Referenties
- Derderian, C., Seaward, J. Syndromic craniosynostosis. Semin Plast Surg. 26 (2), 64-75 (2012).
- Rostamzad, P., et al. Prevalence of ocular anomalies in craniosynostosis: A systematic review and meta-analysis. J Clin Med. 11 (4), 1060(2022).
- Chen, K., Kondra, K., Nagengast, E., Hammoudeh, J. A., Urata, M. M. Syndromic synostosis: Frontofacial surgery. Oral Maxillofac Surg Clin North Am. 34 (3), 459-466 (2022).
- Bruce, W. J., et al. Age at time of craniosynostosis repair predicts increased complication rate. Cleft Palate Craniofac J. 55 (5), 649-654 (2018).
- Katouni, K., et al. Syndromic craniosynostosis: A comprehensive review. Cerus. 15 (12), e50448(2023).
- Lun, K., et al. Assessment of pediatric head shape and management of craniosynostosis. Aus J General Prac. 51, 51-58 (2022).
- Mathijssen, I. M. Guideline for care of patients with the diagnoses of craniosynostosis: Working group on craniosynostosis. J Craniofac Surg. 26 (6), 1735-1807 (2015).
- O'hara, J., et al. Syndromic craniosynostosis: Complexities of clinical care. Mol Syndromol. 10 (1-2), 83-97 (2019).
- Hariri, F., Malek, R. A., Abdullah, N. A., Hassan, S. F. Midface hypoplasia in syndromic craniosynostosis: Predicting craniofacial growth via a novel regression model from anatomical morphometric analysis. Int J Oral Maxillofac Surg. 53 (4), 293-300 (2024).
- Blum, J. D., et al. Machine learning in metopic craniosynostosis: Does phenotypic severity predict long-term esthetic outcome. J Craniofac Surg. 34 (1), 58-64 (2023).
- Wahlquist, Y., Soltesz, K. Automated covariate modeling using efficient simulation of pharmacokinetics. IFAC J Sys Con. 27, 100252(2024).
- Kasai, K., Moro, T., Kanazawa, E., Iwasawa, T. Relationship between cranial base and maxillofacial morphology. Eur J Orthod. 17 (5), 403-410 (1995).
- Zheng, L., et al. Enhancing predictive tools for skeletal growth and craniofacial morphology in syndromic craniosynostosis: A focus on cranial base variables. Diagnostics (Basel). 15 (13), 1640(2025).
- Patel, K. B., Skolnick, G. B., Mulliken, J. B. Anthropometric outcomes following fronto-orbital advancement for metopic synostosis. Plast Reconstr Surg. 137 (5), 1539-1547 (2016).
- Richtsmeier, J. T., Deleon, V. B. Morphological integration of the skull in craniofacial anomalies. Orthod Craniofac Res. 12 (3), 149-158 (2009).
- Tonello, C., Cevidanes, L. H. S., Ruellas, A. C. O., Alonso, N. Midface morphology and growth in syndromic craniosynostosis patients following frontofacial monobloc distraction. J Craniofac Surg. 32 (1), 87-91 (2021).
- Skolnick, G. B., et al. Long-term characterization of cranial defects after surgical correction for single-suture craniosynostosis. Ann Plast Surg. 82 (6), 679-685 (2019).
- Chufei, H., et al. Comparison of different 3d reconstruction software tools in preoperative modeling for cranio-maxillofacial surgery. Plastic Aesthetic Res. 12, 10(2025).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Herprints en machtigingen
