Dit protocol beschrijft de ontwikkeling en interne validatie van een verkennend nomogram waarin parodontale parameters en conventionele risicofactoren zijn geïntegreerd om de last van cerebrale kleinevatenziekte te schatten voor geïndividualiseerde risicostratificatie.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Onderzoeksartikel
Ontwikkeling en interne validatie van een explorerend nomogram voor de last van cerebrale kleinevatenziekte op basis van parodontale parameters
In dit artikel
Samenvatting
Samenvatting
Cerebrale kleine vatziekte (CSVD) is een belangrijke oorzaak van beroertes en cognitieve achteruitgang, maar de bijdrage van parodontale ziekten aan de totale CSVD-last blijft onduidelijk. We streefden ernaar een verkennend klinisch nomogram te ontwikkelen en intern te valideren, waarin parodontale parameters zijn opgenomen om een hoge CSVD-last te schatten. In totaal ondergingen 234 personen magnetic resonance imaging (MRI) voor de beoordeling van de totale CSVD-last (score 0–4). De ernst van de parodontitis en het aantal behouden tanden werden geregistreerd. Optimale predictoren, geselecteerd met behulp van least absolute shrinkage and selection operator (LASSO) regressie, werden ingevoerd in een multivariabele logistische regressie om het nomogram te construeren, waarna dit werd geëvalueerd op discriminatie, kalibratie en klinisch nut. Restricted cubic spline-analyse toonde een lineaire dosis-responsrelatie aan tussen tandverlies en een hoge CSVD-last (P voor niet-lineariteit = 0,332). Multivariabele analyse identificeerde hoge leeftijd en hypertensie als onafhankelijke prognostische factoren; echter werden de associaties van ernstige parodontitis (P = 0,580) en ernstig tandverlies (P = 0,112) afgezwakt en waren deze na correctie niet onafhankelijk geassocieerd met een hoge CSVD-last. Het nomogram vertoonde een bescheiden discriminatie (area under the curve = 0,675) en een gunstige, via bootstrap gevalideerde kalibratie (mean absolute error = 0,038). Decision curve-analyse suggereerde een potentieel klinisch nut over geselecteerde risicodrempels, hoewel de interpretatie verkennend blijft vanwege het ontbreken van externe validatie. Hoewel ernstige parodontitis en tandverlies univariabele associaties vertoonden met een hoge CSVD-last, waren ze geen onafhankelijke predictoren na multivariabele correctie. Dit verkennende nomogram biedt een voorlopig visualisatiekader voor individuele risicostratificatie en rechtvaardigt verdere externe validatie vóór klinische implementatie.
Inleiding
Cerebrale kleine vaatziekten (CSVD) vormen een chronische en sluipende microvasculaire aandoening van de hersenen die breed wordt erkend als een leidende vasculaire oorzaak van beroertes, cognitieve achteruitgang en mobiliteitsbeperkingen bij ouderen1. Historisch gezien werden individuele markers van CSVD op magnetische resonantie-imaging (MRI), waaronder witte stof hyperintensiteiten (WMH), lacunaire infarcten, cerebrale microbloedingen (CMBs) en verbrede perivasculaire ruimten (EPVS), onafhankelijk van elkaar geëvalueerd. Deze neuro-imaging fenotypes komen echter vaak gelijktijdig voor en worden aangedreven door gedeelde pathologische mechanismen, in het bijzonder endotheliale dysfunctie en microvasculaire lekkage2. Bijgevolg pleiten recente consensusverklaringen voor het gebruik van een scoresysteem voor de totale CSVD-last3. Deze geïntegreerde maatstaf weerspiegelt de cumulatieve impact van cerebrale microvasculaire schade uitgebreider dan individuele imaging-markers en vormt een superieure indicator voor de algehele neurologische achteruitgang4.
De etiologie van CSVD is nog niet volledig begrepen; chronische systemische ontsteking van lage graad wordt echter steeds vaker erkend als een belangrijke bijdrager aan cerebrale endotheelschade en verstoring van de bloed-hersenbarrière5. Binnen deze context is parodontitis, een zeer prevalente inflammatoire ziekte veroorzaakt door dysbiotische biofilms die het tandondersteunende weefsel aantast, naar voren gekomen als een potentieel modificeerbare risicofactor voor neurovasculaire ziekten binnen het kader van de orale-brein-as6. Ernstige parodontitis leidt niet alleen tot progressieve destructie van het alveolaire bot en uiteindelijk tandverlies, maar dient ook als een persistent reservoir van parodontale pathogenen en pro-inflammatoire cytokinen7. Deze inflammatoire mediatoren kunnen in de systemische circulatie terechtkomen, waardoor ze bijdragen aan vasculaire remodellering en atherogenese8.
Recente epidemiologische studies hebben een associatie aangetoond tussen ernstige parodontitis en een verhoogd risico op ischemische beroertes9. Desondanks blijft het bewijs met betrekking tot de relatie met de cumulatieve last van CSVD beperkt en gefragmenteerd. Bovendien is tandverlies, het uiteindelijke klinische gevolg van parodontale ziekten, geassocieerd met cognitieve achteruitgang en cardiovasculaire mortaliteit10. De dosis-responserelatie tussen tandverlies en cerebrovasculaire schade is echter nog onvoldoende bekend. In het bijzonder is onduidelijk of het risico op CSVD toeneemt nadat een kritische drempelwaarde voor het aantal resterende tanden is bereikt, of dat er sprake is van een continu lineair dosis-respons patroon.
Hoewel de associatie tussen parodontale destructie en cerebrale microvasculaire beschadiging biologisch plausibel is, vereisen de onderliggende systemische immuun-inflammatoire mechanismen van deze relatie verdere karakterisering. Conventionele inflammatoire biomarkers, waaronder geïsoleerde tellingen van leukocyten-subsets en hooggevoelig C-reactief proteïne, brengen mogelijk de complexiteit van de immuun-inflammatoire respons van de gastheer in klinische settings onvoldoende in kaart. De Systemic Immune-Inflammation Index (SII), berekend op basis van perifere bloedplaatjes-, neutrofielen- en lymfocytengetallen, is recentelijk naar voren gekomen als een uitgebreide inflammatoire biomarker11. De SII weerspiegelt de balans tussen systemische inflammatoire activiteit en de immuunstatus. Verhoogde SII-waarden hebben prognostische waarde getoond bij een reeks cerebrovasculaire aandoeningen door de ernst van acute beroertes en slechte functionele uitkomsten te voorspellen, en zijn ook geassocieerd met de totale CSVD-last, cognitieve beperkingen en de gegradeerde diagnose van parodontitis12,13. Omdat parodontitis chronische systemische inflammatie induceert, kan de evaluatie van de SII in combinatie met parodontale parameters de identificatie van individuen met een risico op sluimerende cerebrale microvasculaire beschadiging verbeteren.
Ondanks de groeiende belangstelling voor de as tussen de mondholte en de hersenen, vertoont de huidige literatuur verschillende methodologische beperkingen. De meeste studies hebben zich gericht op individuele beeldvormingsmarkers voor CSVD of op enkele parameters van de mondgezondheid, zonder de ernst van parodontitis, het uiteindelijke klinische gevolg daarvan (tandverlies) en systemische immuun-inflammatoire reacties te integreren in een eenduidige beoordeling. Belangrijker nog is dat de klinische praktijk behoefte heeft aan praktische instrumenten voor risicobeoordeling; visuele hulpmiddelen, zoals nomogrammen voor het identificeren van patiënten met een hoog risico op CSVD op basis van gecombineerde orale en systemische inflammatoire profielen, zijn echter nog beperkt. Bestaande benaderingen voor de risicobeoordeling van CSVD vertrouwen primair op individuele biomarkers of conventionele demografische factoren, die de multifactoriële interacties tussen systemische inflammatie en mondgezondheid mogelijk niet adequaat vatten. Bovendien vereist de ontwikkeling van betrouwbare voorspellingsmodellen robuuste methoden voor variabeleselectie. Conventionele benaderingen, zoals stapsgewijze regressie, kunnen onstabiel zijn bij toepassing op hoogdimensionale klinische datasets en kunnen worden beïnvloed door gecorreleerde predictoren. De least absolute shrinkage and selection operator (LASSO) regressiebenadering pakt deze uitdagingen aan door coëfficiënt-penalisatie toe te passen om overfitting te verminderen en de meest informatieve predictoren voor modelontwikkeling te identificeren14.
Gedreven door deze lacunes in de kennis was deze retrospectieve cross-sectionele studie ontworpen met twee hoofddoelstellingen. Ten eerste streefden we ernaar de dosis-responsrelatie tussen het aantal behouden tanden en een hoge CSVD-last te karakteriseren met behulp van een restricted cubic spline (RCS)-analyse om potentiële niet-lineaire drempeleffecten en lineaire trends te evalueren. Ten tweede probeerden we een verkennend klinisch nomogram te ontwikkelen met behulp van LASSO-gebaseerde variabeleselectie en de incrementele risicoreclassificatie te evalueren die parodontale parameters bieden bovenop conventionele risicofactoren. Wij stelden ons voor dat de integratie van de parodontale status, tandverlies en de SII in een multidimensionaal model een verkennend visualisatiekader zou kunnen bieden voor het schatten van de cumulatieve CSVD-last en de geïndividualiseerde risicostratificatie zou kunnen verbeteren. In de klinische praktijk is het voorgestelde nomogram bedoeld als een snelle, niet-invasieve aanvullende tool om neurologen te helpen bij het identificeren van patiënten die baat kunnen hebben bij een vroege cerebrovasculaire evaluatie of een multidisciplinaire tandheelkundige beoordeling. Gezien het verkennende karakter, de bescheiden discriminerende prestaties en het gebrek aan externe validatie mag het nomogram echter niet worden beschouwd als een vervanging voor diagnose op basis van magnetic resonance imaging (MRI). Bovendien kan de toepassing beperkt zijn bij patiënten met actieve acute infecties, ernstige auto-immuunziekten of recent trauma, aangezien deze aandoeningen systemische inflammatoire biomarkers aanzienlijk kunnen beïnvloeden en de risisschatting kunnen beïnvloeden.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
Deze retrospectieve cross-sectionele associatiestudie betrok opeenvolgende patiënten die tussen januari 202 en december 2024 waren opgenomen op de afdeling Neurologie van het Changzhou No. 2 People’s Hospital voor duizeligheid, hoofdpijn, screening op beroertes of cognitieve beoordeling. Geïnformeerde toestemming is geen vereiste vanwege het retrospectieve, niet-interventionele karakter van de studie en het gebruik van volledig geanonimiseerde gegevens. De studie is goedgekeurd door de Clinical Medical Technology Ethics Committee van het Changzhou No. 2 People’s Hospital (IRB-goedkeurings-ID: [2023] YLJSA069) en is uitgevoerd in overeenstemming met de institutionele richtlijnen.
Studieontwerp en patiëntenpopulatie
In eerste instantie werden 850 patiënten geëvalueerd. De exclusiecriteria waren als volgt strikt gedefinieerd: (1) gebrek aan volledige craniale MRI-sequenties (met name het ontbreken van susceptibility-weighted imaging [SWI], waardoor een nauwkeurige evaluatie van microbloedingen niet mogelijk was); (2) afwezigheid van gedetailleerde gegevens over parodontale sondage of gegevens over het aantal tanden in de gehele mond; (3) onvolledige gegevens over het bloedbeeld, waardoor de berekening van de SII niet mogelijk was; (4) voorgeschiedenis van een massaal beroerte, hersentumor, traumatisch hersenletsel of infectie van het centraal zenuwstelsel; en (5) aanwezigheid van een actieve acute infectie, ernstige auto-immuunziekte of maligniteit binnen de afgelopen maand om storende effecten op systemische ontstekingsmarkers te minimaliseren. Om de integriteit van de gegevens te waarborgen, werd een complete-case-analysebenadering gebruikt, waarbij personen die kernparameters van de klinische radiologie misten, werden uitgesloten. Na screening werden 234 geschikte deelnemers in de analyse opgenomen. Deze steekproef, bestaande uit 129 high-burden events, voldeed aan de vuistregel events-per-variable (EPV) >10 voor stabiele multivariabele modellering.
Beoordeling van de Parodontale Status en Ontsteking
Twee gekalibreerde periodontologen voerden alle klinische orale beoordelingen uit met behulp van een gestandaardiseerde periodontal probe.
Voorafgaand aan de studie hebben beide onderzoekers een standaardisatietraining ondergaan, waarbij de inter-beoordelaarsbetrouwbaarheid uitstekend was (Cohen’s κ = 0,82). De sondeerdiepte (PPD) en het klinische hechtingsniveau (CAL) werden op zes locaties per tand gemeten. Op basis van het classificatiekader uit 2018, beschreven door Tonetti et al.15, werd de parodontale aandoening geclassificeerd als mild/afwezig, matig of ernstig. Specifiek werden de deelnemers als volgt gecategoriseerd: (1) Milde/afwezige parodontitis (inclusief parodontale gezondheid en stadium I parodontitis), gedefinieerd als een interdentaal klinisch hechtingsniveau (CAL) op de plek van het grootste hechtingsverlies van ≤2 mm en een sondeerdiepte (PPD) ≤4 mm, zonder tandverlies gerelateerd aan parodontitis; (2) Matige parodontitis (stadium II parodontitis), gedefinieerd als een interdentale CAL van 3–4 mm, een maximale PPD ≤5 mm en maximaal vier tanden verloren door parodontitis; en (3) Ernstige parodontitis (stadium III/IV parodontitis), gedefinieerd als een interdentale CAL ≥5 mm, PPD ≥6 mm en/of verlies van vier of meer tanden als gevolg van parodontale destructie15.
Het aantal behouden tanden werd daarnaast voor elke deelnemer gedocumenteerd. Omdat het behoud van minimaal 20 functionele tanden een algemeen aanvaarde klinische benchmark is voor het behoud van de basismondfunctie en succesvol mondverzorgingsverouderen16,17,18, werd het exacte aantal tanden omgezet in een binaire variabele: ernstig tandverlies (<20 tanden) versus niet-ernstig tandverlies (≥20 tanden).
Wat betreft systemische inflammatie werd de SII afgeleid van nuchtere bloedmonsters die bij opname zijn verzameld. Veneuze bloedmonsters werden verzameld in EDTA-buisjes en verwerkt volgens het standaard klinische laboratoriumprotocol van het ziekenhuis voordat ze werden geanalyseerd met een geautomatiseerde hematologie-analyser om de aantallen neutrofielen, lymfocyten en bloedplaatjes te bepalen. De index werd als volgt berekend:
Om rekening te houden met de sterk scheve verdeling van de SII-waarden, werd een natuurlijke logaritmische transformatie (Log_SII) toegepast vóór opname in de statistische analyses.
MRI-acquisitie en totale CSVD-last
Alle proefpersonen ondergingen gestandaardiseerde craniale MRI-onderzoeken met een 3.0 T MRI-scanner uitgerust met een standaard hoofdspoel. Het beeldvormingsprotocol omvatte T1-gewogen, T2-gewogen, fluid-attenuated inversion recovery (FLAIR) en susceptibility-weighted imaging (SWI) sequenties, verkregen met een plakdikte van 5 mm. De standaard beeldvormingsparameters waren als volgt geconfigureerd: T1-gewogen beeldvorming (repetitietijd [TR] = 2,0 ms, echotijd [TE] = 9 ms, field of view [FOV] = 230 × 230 mm2, matrixgrootte = 256 × 256); T2-gewogen beeldvorming (TR = 4,50 ms, TE = 85 ms, FOV = 230 × 230 mm2, matrixgrootte = 256 × 256); fluid-attenuated inversion recovery (FLAIR) beeldvorming (TR = 8,50 ms, TE = 120 ms, inversietijd [TI] = 2,400 ms, FOV = 230 × 230 mm2, matrixgrootte = 256 × 256); en susceptibility-weighted imaging (SWI) (TR = 28 ms, TE = 20 ms, fliphoek = 15°, FOV = 230 × 230 mm2, matrixgrootte = 256 × 256). Alle sequenties werden verkregen met een plakdikte van 5 mm en een interslice gap van 1.0 mm. De specifieke scanner staat vermeld in de Tabel met Materialen. De beeldvormingsmarkers van CSVD werden onafhankelijk geëvalueerd door twee neuroimaging-artsen die blind waren voor de klinische gegevens van de deelnemers. De interbeoordelaarsbetrouwbaarheid van de totale CSVD-burden-score was hoog (Cohen’s κ = 0.85). Eventuele onenigheden werden bij consensus met een derde senior arts opgelost.
In overeenstemming met de vastgestelde internationale consensus1,3, werd de cumulatieve CSVD-last gekwantificeerd op een schaal van 0 tot 4 door vier neuro-imagingkenmerken te evalueren. Eén punt werd toegekend voor elk van de volgende MRI-bevindingen: (1) ten minste één lacunair infarct; (2) één of meer cerebrale microbloedingen (CMBs); (3) matig tot ernstig vergrote perivasculaire ruimten (EPVS) in de basale ganglia (graad ≥2); en (4) ernstige witte stof hyperintensiteiten (WMH), gedefinieerd als een Fazekas-score van ≥2 in de diepe witte stof of 3 in de periventriculaire regio. De diagnostische definities volgden strikt de internationale consensus van de Standards for Reporting Vascular Changes on Neuroimaging (STRIVE-1)1. Witte stof hyperintensiteiten (WMH) werden gegradeerd met behulp van de Fazekas-schaal19, en vergrote perivasculaire ruimten (EPVS) in de basale ganglia werden gegradeerd met de gevalideerde 4-puntsschaal voor visuele beoordeling zoals beschreven door Potter et al.20. Voor de ontwikkeling van het risicobeoordelingsmodel werden patiënten met een totale CSVD-lastscore van ≥2 geclassificeerd als zijnde een hoge CSVD-last, aangezien deze drempel consistent is geassocieerd met een versnelde cognitieve achteruitgang en mortaliteit21,2,23.
Verzameling van covariantiegegevens
Demografische kenmerken van patiënten en de klinische geschiedenis werden geëxtraheerd uit institutionele elektronische gezondheidsrecords. De verzamelde variabelen omvatten leeftijd, geslacht, bodymassindex (BMI), rookstatus en alcoholconsumptie. Daarnaast werden cardiometabole en vasculaire comorbiditeiten, waaronder dyslipidemia, diabetes mellitus, hypertensie, coronaire arterieziekte (CAD), een voorgeschiedenis van myocardinfarct (MI) en een eerdere ischemische beroerte, voor elke deelnemer gedocumenteerd.
Alle comorbiditeiten werden bevestigd door middel van een beoordeling van de door artsen vastgestelde diagnoses in de medische dossiers van de patiënten, de medicatiegeschiedenis en de routinematige laboratorium- en beeldvormende onderzoeken bij opname, in overeenstemming met vastgestelde klinische richtlijnen. Hypertensie werd gedefinieerd als een systolische bloeddruk van ≥140 mmHg, een diastolische bloeddruk van ≥90 mmHg, of een lopende antihypertensieve behandeling. Diabetes mellitus werd gedefinieerd als een nuchtere plasmaglucoseconcentratie van ≥7.0 mmol/L, een geglyceerd hemoglobinegehalte (HbA1c) van ≥6.5%, of het gebruik van glucosewerende medicatie. Dyslipidemie werd gedefinieerd door abnormaliteiten in de nuchtere serumlipiden of een lopende lipidenverlagende therapie. CAD, een voorgeschiedenis van MI en een eerdere ischemische stroke werden bevestigd aan de hand van de gedocumenteerde klinische voorgeschiedenis en historische neurovasculaire of cardiale beeldvormingsverslagen die beschikbaar waren in het elektronisch patiëntendossiersysteem.
Statistische analyse en modelontwikkeling
Voorafgaand aan de statistische analyse werd de normaliteit van continue variabelen beoordeeld met de Shapiro–Wilk-toets. Beschrijvende statistieken voor categorische variabelen werden samengevat als aantallen (percentages) en vergeleken met de chi-kwadraat-toets van Pearson of de exacte toets van Fisher, afhankelijk van de situatie. Continue variabelen met een normale verdeling werden uitgedrukt als gemiddelden ± standaarddeviaties en vergeleken met de t-toets van Student, terwijl niet-normaal verdeelde variabelen werden uitgedrukt als medianen met interkwartielafstanden en vergeleken met de Mann-Whitney U-toets. Om potentiële niet-lineaire dosis-responsrelaties tussen het aantal behouden tanden en het risico op een hoge CSVD-last te onderzoeken, werd een RCS-model geconstrueerd, gecorrigeerd voor leeftijd, hypertensie en Log_SII, met vier knooppunten geplaatst op het 5e, 35e, 65e en 95e percentiel van de tandenaantalverdeling. Formele toetsing op niet-lineariteit werd uitgevoerd met behulp van variantieanalyse (ANOVA) om te bepalen of een drempeleffect of een continue lineaire trend de waargenomen associatie het beste verklaarde.
Om variabele selectie uit te voeren in de aanwezigheid van gecorreleerde predictoren, werden alle baseline-variabelen ingevoerd in een LASSO-regressiemodel. De optimale tuningparameter (λ) werd bepaald met behulp van 10-voudige kruisvalidatie en geselecteerd volgens het criterium van de minimale binomiale deviantie (λmin). Variabelen met niet-nulcoëfficiënten werden behouden voor verdere analyses. De geselecteerde variabelen werden vervolgens ingevoerd in een multivariabel logistisch regressiemodel om odds ratio's (OR's) en 95% betrouwbaarheidsintervallen (CI's) te schatten voor hun associaties met een hoge CSVD-last. Het definitieve multivariabele model werd vervolgens gebruikt om een exploratief klinisch nomogram te construeren voor geïndividualiseerde risicoschatting.
Om de incrementele waarde van de periodontal parameters te evalueren, werd een basismodel (inclusief leeftijd, hypertensie en Log_SII) vergeleken met een uitgebreid model waarin de graad van periodontitis en het aantal tanden waren opgenomen. De modelprestaties werden beoordeeld aan de hand van meerdere complementaire maten. De discriminatie werd geëvalueerd met behulp van de area under the receiver operating characteristic curve (AUC), en verschillen tussen modellen werden vergeleken met de DeLong-test24. Bij de optimale afkapwaarde, bepaald door de maximale Youden-index, werden ook de sensitiviteit, specificiteit, positief voorspellende waarde (PPV) en negatief voorspellende waarde (NPV) berekend. De continue net reclassification improvement (NRI) en integrated discrimination improvement (IDI) werden berekend om de incrementele risico-herclassificatie van het uitgebreide model te kwantificeren25. De kalibratie werd beoordeeld met kalibratieplots gegenereerd uit 1.0 bootstrap-resamples, geïmplementeerd met het rms-pakket, en de gemiddelde absolute fout tussen de voorspelde en waargenomen risico's werd berekend. Om rekening te houden met mogelijke overfitting en een onbevooroordeelde evaluatie van de modelprestaties te bieden, omvatte de bootstrap-validatie een correctie voor optimisme, waarbij zowel de bias-gecorrigeerde als de schijnbare modelprestaties werden gerapporteerd. Er werd een decision curve analysis (DCA) uitgevoerd om het potentiële klinische nut te evalueren door het netto voordeel te schatten over een reeks drempelwaarschijnlijkheden. Alle statistische analyses en visualisaties werden uitgevoerd met statistische software en de pakketten rms, glmnet, pROC, PredictABEL en dcurves. Statistische significantie werd gedefinieerd als een tweezijdige P-waarde van <0,05.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Studieopzet en patiëntenpopulatie
Na uitsluiting van 616 personen vanwege ernstige storende ziekten of ontbrekende klinisch-radiologische gegevens, omvatte de uiteindelijke analyse 234 geschikte deelnemers die waren opgenomen voor neurologisch onderzoek (Figuur 1). Deelnemers werden op basis van hun totale CSVD-scores gestratificeerd in groepen met een hoge belasting (n = 129) en een lage belasting (n = 105). De demografische en klinische baseline...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
De huidige studie onderzocht de relatie tussen parodontale destructie, het aantal behouden tanden en de cumulatieve last van CSVD, wat leidde tot de ontwikkeling van een exploratief klinisch nomogram. Hoewel univariaat analyses associaties aantoonden tussen ernstige parodontitis, tandverlies en een hoge CSVD-last, liet multivariabele logistische regressie zien dat ernstige parodontitis (P = 0,580) en het aantal behouden tanden (P = 0,112) niet onafhankelijk geassocieerd waren met een hoge CSVD-last na c...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
Belangenverstrengeling:
De auteurs verklaren dat er geen belangenverstrengeling is.
Dankbetuigingen
Niet van toepassing.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| Geautomatiseerde hematologie-analyser | Sysmex | XN-1000 | Gebruikt voor het bepalen van het aantal perifere bloedcellen voor de berekening van de systemische immuun-inflammatie-index (SII). |
| EDTA-bloedafnamebuizen (K2 EDTA) | Becton, Dickinson and Company | 367841 | Gebruikt voor nuchtere veneuze bloedafname. |
| Elektronisch Patiëntendossier (EPD) systeem | Winning Health Technology Group | Winning EMR v6.0 | Gebruikt voor het extraheren van demografische en klinische patiënteninformatie. |
| Magnetic Resonance Imaging (MRI) scanner (3.0 T) | Siemens Healthineers | MAGNETOM Prisma 3.0T | Gebruikt voor gestandaardiseerde craniale MRI-onderzoeken. |
| MRI-hoofdspoele | Siemens Healthineers | 64-channel Head/Neck Coil | Standaard hoofdspoel gebruikt voor MRI-acquisitie. |
| Parodontale sonde (UNC-15) | Hu-Friedy | PCPUNC15 | Gebruikt voor metingen van de parodontale sondeerdiepte (PPD) en het klinische hechtingsniveau (CAL). |
| R-pakket: dcurves | CRAN | Version 0.4.0 | Gebruikt voor decision curve-analyse (DCA). |
| R-pakket: glmnet | CRAN | Version 4.1-8 | Gebruikt voor least absolute shrinkage and selection operator (LASSO) regressie en variabeleselectie. |
| R-pakket: pROC | CRAN | Version 1.18.5 | Gebruikt voor receiver operating characteristic (ROC) curve-analyse en DeLong-testen. |
| R-pakket: PredictABEL | CRAN | Version 1.2-4 | Gebruikt voor het berekenen van de continue net reclassification improvement (NRI) en integrated discrimination improvement (IDI). |
| R-pakket: rms | CRAN | Version 6.7-1 | Gebruikt voor restricted cubic spline (RCS) analyse, constructie van nomogrammen en bootstrap-kalibratie. |
| R-software voor statistische berekeningen | R Foundation for Statistical Computing | Version 4.3.1 | Statistische rekenomgeving gebruikt voor alle analyses. |
Referenties
- Wardlaw JM, et al. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. Lancet Neurol. 2013;12(8):822-38.
- Pantoni L. Cerebral small vessel disease: from pathogenesis and clinical characteristics to therapeutic challenges. Lancet Neurol. 2010;9(7):689-701.
- Staals J, et al. Stroke subtype, vascular risk factors, and total MRI brain small-vessel disease burden. Neurology. 2014;83(14):1228-34.
- Amin Al Olama A, et al. Simple MRI score aids prediction of dementia in cerebral small vessel disease. Neurology. 2020;94(12):e1294-302.
- Low A, et al. Inflammation and cerebral small vessel disease: A systematic review. Ageing Res Rev. 2019;53:100916.
- Sanz M, et al. Periodontitis and cardiovascular diseases: Consensus report. J Clin Periodontol. 2020;47(3):268-88.
- Hajishengallis G. Periodontitis: from microbial immune subversion to systemic inflammation. Nat Rev Immunol. 2015;15(1):30-44.
- Leira Y, et al. Association between periodontitis and ischemic stroke: a systematic review and meta-analysis. Eur J Epidemiol. 2017;32(1):43-53.
- Sen S, et al. Periodontal disease, regular dental care use, and incident ischemic stroke. Stroke. 2018;49(2):355-62.
- Peng J, et al. The relationship between tooth loss and mortality from all causes, cardiovascular diseases, and coronary heart disease in the general population: systematic review and dose-response meta-analysis of prospective cohort studies. Biosci Rep. 2019;39(1):BSR20181773.
- Hu B, et al. Systemic immune-inflammation index predicts prognosis of patients after curative resection for hepatocellular carcinoma. Clin Cancer Res. 2014;20(23):6212-22.
- Xiao Y, et al. Systemic immune-inflammation index is associated with cerebral small vessel disease burden and cognitive impairment. Neuropsychiatr Dis Treat. 2023;19:403-13.
- Hu Y, et al. Correlation between systemic immune-inflammatory index and graded diagnosis of periodontitis: a combined cross-sectional and retrospective study. BMC Oral Health. 2024;24(1):1545.
- Tibshirani R. Regression shrinkage and selection via the lasso. J R Stat Soc Series B Stat Methodol. 1996;58(1):267-88.
- Tonetti MS, Greenwell H, Kornman KS. Staging and grading of periodontitis: Framework and proposal of a new classification and case definition. J Periodontol. 2018;89(Suppl 1):S159-72.
- Zhang XM, et al. The association between the number of teeth and frailty among older adults: a systematic review and meta-analysis. Aging Clin Exp Res. 2025;37(1):156.
- Cheng Y, et al. New measure of functional tooth loss for successful oral ageing: a cross-sectional study. BMC Geriatr. 2023;23(1):859.
- Suwanarpa K, et al. How many teeth are needed to maintain healthy oral function in older adults? A cross-sectional analysis. Prosthesis. 2026;8(1):10.
- Fazekas F, Chawluk JB, Alavi A, Hurtig HI, Zimmerman RA. MR signal abnormalities at 1.5 T in Alzheimer’s dementia and normal aging. AJR Am J Roentgenol. 1987;149(2):351-6.
- Potter GM, Chappell FM, Morris Z, Wardlaw JM. Cerebral perivascular spaces visible on magnetic resonance imaging: development of a qualitative rating scale and its observer reliability. Cerebrovasc Dis. 2015;39(3-4):224-31.
- Pasi M, et al. Association of cerebral small vessel disease and cognitive decline after intracerebral hemorrhage. Neurology. 2021;96(2):e182-92.
- Goldstein ED, et al. Cerebral small vessel disease burden and all-cause mortality: Mayo Clinic Florida Familial Cerebrovascular Diseases Registry. J Stroke Cerebrovasc Dis. 2019;28(12):104285.
- Jiang Y, et al. Total cerebral small vessel disease burden is related to worse performance on the Mini-Mental State Examination and incident dementia: a prospective 5-year follow-up. J Alzheimers Dis. 2019;69(1):253-62.
- DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics. 1988;44(3):837-45.
- Pencina MJ, D’Agostino RB Sr, D’Agostino RB Jr, Vasan RS. Evaluating the added predictive ability of a new marker: from area under the ROC curve to reclassification and beyond. Stat Med. 2008;27(2):157-72.
- Meyer J, et al. Periodontal disease independently associated with white matter hyperintensity volume. Neurol Open. 2020;1(4):e000037.
- Charidimou A, Pantoni L, Love S. The concept of sporadic cerebral small vessel disease: a road map on key definitions and current concepts. Int J Stroke. 2016;11(1):6-18.
- Peres MA, et al. Oral diseases: a global public health challenge. Lancet. 2019;394(10194):249-60.
- Han S, et al. Cerebral small vessel disease as a novel risk indicator for periodontitis progression. Int Dent J. 2026;76(2):109414.
- Friedman J, Hastie T, Tibshirani R. Regularization paths for generalized linear models via coordinate descent. J Stat Softw. 2010;33(1):1-22.
- Sauerbrei W, Royston P, Binder H. Selection of important variables and determination of functional form for continuous predictors in multivariable model building. Stat Med. 2007;26(30):5512-28.
- Hajishengallis G, Chavakis T. Local and systemic mechanisms linking periodontal disease and inflammatory comorbidities. Nat Rev Immunol. 2021;21(7):426-40.
- Tonetti MS, et al. Treatment of periodontitis and endothelial function. N Engl J Med. 2007;356(9):911-20.
- Dominy SS, et al. Porphyromonas gingivalis in Alzheimer’s disease brains: evidence for disease causation and treatment with small-molecule inhibitors. Sci Adv. 2019;5(1):eaau3333.
- Wardlaw JM, et al. Blood-brain barrier failure as a core mechanism in cerebral small vessel disease and dementia: evidence from a cohort study. Alzheimers Dement. 2017;13(6):634-43.
- Vickers AJ, Elkin EB. Decision curve analysis: a novel method for evaluating prediction models. Med Decis Making. 2006;26(6):565-74.
- Collins GS, Reitsma JB, Altman DG, Moons KG. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. BMJ. 2015;350:g7594.
- Kamer AR, et al. Inflammation and Alzheimer’s disease: possible role of periodontal diseases. Alzheimers Dement. 2008;4(4):242-50.
- Steyerberg EW, et al. Assessing the performance of prediction models: a framework for traditional and novel measures. Epidemiology. 2010;21(1):128-38.
- D’Aiuto F, et al. Periodontitis: from local infection to systemic diseases. Int J Immunopathol Pharmacol. 2005;18(3 Suppl):1-11.
- Moldvai J, et al. Oral health status and its associated factors among post-stroke inpatients: a cross-sectional study in Hungary. BMC Oral Health. 2022;22(1):234.
- Jockusch J, et al. Influence of cognitive impairment and dementia on oral health and the utilization of dental services: findings of the Oral Health, Bite Force and Dementia Study (OrBiD). BMC Oral Health. 2021;21(1):399.
- Leira Y, et al. Porphyromonas gingivalis lipopolysaccharide-induced periodontitis and serum amyloid-beta peptides. Arch Oral Biol. 2019;99:120-5.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.