Niniejszy protokół opisuje opracowanie i wewnętrzną walidację eksploracyjnego nomogramu integrującego parametry periodontologiczne i konwencjonalne czynniki ryzyka w celu oszacowania obciążenia chorobą małych naczyń mózgowych dla zindywidualizowanej stratyfikacji ryzyka.
Artykuł badawczy
Opracowanie i wewnętrzna walidacja eksploracyjnego nomogramu obciążenia chorobą małych naczyń mózgowych z wykorzystaniem parametrów periodontologicznych
W tym artykule
Podsumowanie
Streszczenie
Choroby małych naczyń mózgowych (CSVD) stanowią główną przyczynę udarów i pogorszenia funkcji poznawczych, jednak wpływ chorób dziąseł na całkowite obciążenie CSVD pozostaje niejasny. Naszym celem było opracowanie i wewnętrzna walidacja eksploracyjnego nomogramu klinicznego uwzględniającego parametry periodontologiczne w celu oszacowania wysokiego obciążenia CSVD. Łącznie 234 osoby poddały się badaniu za pomocą obrazowania rezonansu magnetycznego (MRI) w celu oceny całkowitego obciążenia CSVD (wynik 0–4). Odnotowano stopień zaawansowania periodontitis oraz liczbę zachowanych zębów. Optymalne predyktory wybrane za pomocą regresji LASSO (least absolute shrinkage and selection operator) wprowadzono do wieloczynnikowej regresji logistycznej w celu skonstruowania nomogramu, który oceniono pod kątem dyskryminacji, kalibracji i użyteczności klinicznej. Analiza za pomocą restrykcyjnych funkcji sklejanych (restricted cubic spline) wykazała liniową zależność dawka-odpowiedź między utratą zębów a wysokim obciążeniem CSVD (P dla nieliniowości = 0,332). Analiza wieloczynnikowa zidentyfikowała podeszły wiek i nadciśnienie tętnicze jako niezależne czynniki prognostyczne; jednak związki z ciężkim zapaleniem dziąseł (P = 0,580) i ciężką utratą zębów (P = 0,112) uległy osłabieniu i nie były niezależnie powiązane z wysokim obciążeniem CSVD po dokonaniu korekty. Nomogram wykazał umiarkowaną dyskryminację (pole pod krzywą = 0,675) oraz korzystną kalibrację zweryfikowaną metodą bootstrap (średni błąd bezwzględny = 0,038). Analiza krzywych decyzji sugerowała potencjalną użyteczność kliniczną w wybranych progach ryzyka, choć interpretacja pozostaje eksploracyjna ze względu na brak zewnętrznej walidacji. Mimo że ciężkie zapalenie dziąseł i utrata zębów wykazały powiązania w analizie jednowymiarowej z wysokim obciążeniem CSVD, nie były one niezależnymi predyktorami po korekcie wieloczynnikowej. Ten eksploracyjny nomogram zapewnia wstępną strukturę wizualizacji dla indywidualnej stratyfikacji ryzyka i wymaga dalszej walidacji zewnętrznej przed wdrożeniem klinicznym.
Wprowadzenie
Choroba małych naczyń mózgowych (CSVD) jest przewlekłym i podstępnym zaburzeniem mikronaczyniowym mózgu, powszechnie uznawanym za główną naczyniową przyczynę udarów, pogorszenia funkcji poznawczych oraz ograniczenia sprawności ruchowej u osób starszych1. Historycznie poszczególne markery CSVD w obrazowaniu rezonansem magnetycznym (MRI), w tym hiperintensywności istoty białej (WMH), udary lakunarne, mikrokrawawienia mózgowe (CMBs) oraz poszerzone przestrzenie okołonaczyniowe (EPVS), oceniano niezależnie. Jednakże fenotypy te w obrazowaniu neurologicznym często współistnieją i są wynikiem wspólnych mechanizmów patologicznych, w szczególności dysfunkcji śródbłonka i nieszczelności mikronaczyniowej2. W konsekwencji niedawne oświadczenia konsensusowe zalecają stosowanie systemu oceny całkowitego obciążenia CSVD3. Ta zintegrowana metryka w sposób bardziej kompleksowy odzwierciedla skumulowany wpływ uszkodzeń mikronaczyniowych mózgu niż poszczególne markery obrazowe i stanowi lepszy wskaźnik ogólnego pogorszenia stanu neurologicznego4.
Etiologia CSVD pozostaje nie w pełni poznana; jednak chroniczny, niskostopniowy stan zapalny w organizmie jest coraz częściej uznawany za kluczowy czynnik przyczyniający się do uszkodzenia śródbłonka mózgowego i rozszczelnienia bariery krew-mózg5. W tym kontekście paradontozę, powszechną chorobę zapalną wywołaną dysbiotycznym biofilmem, która dotyczy tkanek przyzębnych, uznano za potencjalnie modyfikowalny czynnik ryzyka chorób naczyniowo-mózgowych w ramach osi jama ustna–mózg6. Ciężka paradontoza prowadzi nie tylko do postępującego niszczenia kości jamistej i ostatecznej utraty zębów, ale służy również jako trwały rezerwuar patogenów przyzębnych i cytokin prozapalnych7. Mediatory zapalne te mogą przedostawać się do krążenia systemowego, przyczyniając się tym samym do przebudowy naczyń i aterogenezy8.
Niedawne badania epidemiologiczne wykazały powiązanie między ciężkim zapaleniem przyzębia a zwiększonym ryzykiem udaru niedokrwiennego9. Niemniej jednak dowody dotyczące związku tego stanu z skumulowanym obciążeniem CSVD pozostają ograniczone i rozproszone. Co więcej, utrata zębów, będąca ostatecznym klinicznym następstwem chorób przyzębia, została powiązana z pogorszeniem funkcji poznawczych oraz śmiertelnością z przyczyn sercowo-naczyniowych10. Jednakże zależność dawka-odpowiedź między utratą zębów a uszkodzeniem naczyniowo-mózgowym pozostaje słabo rozpoznana. W szczególności nie jest jasne, czy ryzyko CSVD wzrasta po przekroczeniu krytycznego progu liczby pozostałych zębów, czy też wykazuje ciągły, liniowy wzorzec zależności dawka-odpowiedź.
Choć związek między destrukcją tkanek periodontu a uszkodzeniem naczyniowym mózgu jest biologicznie prawdopodobny, systemowe mechanizmy immunologiczno-zapalne leżące u podstaw tej relacji wymagają dalszej charakterystyki. Konwencjonalne biomarkery stanu zapalnego, w tym liczby poszczególnych podgrup leukocytów oraz białko C-reaktywne wysokiej czułości, mogą nie oddawać w pełni złożoności immunologicznej odpowiedzi zapalnej organizatora w warunkach klinicznych. Systemowy indeks zapalenia immunologicznego (SII), obliczany na podstawie liczby płytek krwi, neutrofili i limfocytów obwodowych, pojawił się w ostatnim czasie jako kompleksowy biomarker zapalny11. SII odzwierciedla równowagę między ogólnoustrojową aktywnością zapalną a stanem odpornościowym. Podwyższone poziomy SII wykazały wartość prognostyczną w szeregu zaburzeń naczyniowych mózgu poprzez przewidywanie ciężkości udaru niedokrwiennego i niekorzystnych wyników funkcjonalnych, a także zostały powiązane z całkowitym obciążeniem CSVD, upośledzeniem poznawczym oraz stopniem zaawansowania zapalenia przyzębia12,13. Ponieważ zapalenie przyzębia wywołuje przewlekły systemowy stan zapalny, ocena SII wraz z parametrami periodontologicznymi może usprawnić identyfikację osób narażonych na utajone uszkodzenia naczyniowe mózgu.
Pomimo rosnącego zainteresowania osią jama ustna-mózg, w aktualnej literaturze występuje kilka ograniczeń metodologicznych. Większość badań koncentrowała się na pojedynczych markerach obrazowych CSVD lub pojedynczych parametrach stanu zdrowia jamy ustnej, bez integrowania stopnia zaawansowania zapalenia przyzębia, jego ostatecznego skutku klinicznego (utraty zębów) oraz systemowych odpowiedzi immunologiczno-zapalnych w ramach jednolitej oceny. Co ważniejsze, praktyka kliniczna wymaga praktycznych narzędzi oceny ryzyka, jednak instrumenty wizualne, takie jak nomogramy służące do identyfikacji pacjentów z wysokim ryzykiem CSVD na podstawie połączonych profili zapalnych jamy ustnej i systemowych, pozostają ograniczone. Istniejące podejścia do oceny ryzyka CSVD opierają się głównie na poszczególnych biomarkerach lub konwencjonalnych czynnikach demograficznych, które mogą nie oddawać w pełni wieloczynnikowych interakcji między zapaleniem systemowym a zdrowiem jamy ustnej. Ponadto opracowanie niezawodnych modeli predykcyjnych wymaga solidnych metod selekcji zmiennych. Konwencjonalne podejścia, takie jak regresja krokowa, mogą być niestabilne w przypadku zastosowania do wielowymiarowych zbiorów danych klinicznych i mogą być podatne na wpływ skorelowanych predyktorów. Podejście oparte na regresji LASSO (least absolute shrinkage and selection operator) rozwiązuje te problemy poprzez zastosowanie penalizacji współczynników w celu ograniczenia przeuczenia modelu i zidentyfikowania najbardziej informacyjnych predyktorów do opracowania modelu14.
Motywując się tymi lukami w wiedzy, niniejsze retrospektywne badanie przekrojowe zostało zaprojektowane z dwoma głównymi celami. Po pierwsze, dążono do scharakteryzowania zależności dawka-odpowiedź między liczbą zachowanych zębów a wysokim obciążeniem CSVD, wykorzystując analizę ograniczonej kostki spełnieniowej (RCS) w celu oceny potencjalnych nieliniowych efektów progowych i trendów liniowych. Po drugie, podjęto próbę opracowania eksploracyjnego nomogramu klinicznego z wykorzystaniem selekcji zmiennych opartej na metodzie LASSO oraz ocenę przyrostowej reklasyfikacji ryzyka zapewnianej przez parametry periodontologiczne poza konwencjonalne czynniki ryzyka. Postawiono hipotezę, że zintegrowanie stanu periodontologicznego, utraty zębów oraz SII w modelu wielowymiarowym może dostarczyć eksploracyjnych ram wizualizacyjnych do szacowania skumulowanego obciążenia CSVD i poprawić indywidualną stratyfikację ryzyka. W praktyce klinicznej proponowany nomogram ma służyć jako szybkie, nieinwazyjne narzędzie pomocnicze wspierające neurologów w identyfikacji pacjentów, którzy mogą odnieść korzyść z wczesnej oceny naczyniowej mózgu lub wielodyscyplinarnej oceny stomatologicznej. Jednak ze względu na charakter eksploracyjny, umiarkowaną zdolność dyskryminacyjną oraz brak zewnętrznej walidacji, nomogram nie powinien być uważany za zamiennik diagnozy opartej na obrazowaniu rezonansem magnetycznym (MRI). Ponadto jego zastosowanie może być ograniczone u pacjentów z aktywnymi ostrymi infekcjami, ciężkimi chorobami autoimmunologicznymi lub niedawnymi urazami, ponieważ stany te mogą istotnie wpływać na systemowe biomarkery stanu zapalnego i oddziaływać na szacowanie ryzyka.
Protokół
W tym retrospektywnym przekrojowym badaniu asocjacyjnym wzięli udział pacjenci przyjmowani kolejno do Oddziału Neurologii w Changzhou No. 2 People’s Hospital z powodu zawrotów głowy, bólów głowy, w celu przesiewowego badania pod kątem udaru lub oceny poznawczej w okresie od stycznia 2022 do grudnia 2024 roku. Zrezygnowano z uzyskania świadomej zgody ze względu na retrospektywny, nieinterwencyjny charakter badania oraz wykorzystanie w pełni zanonimizowanych danych. Badanie zostało zatwierdzone przez Komitet Etyki Technologii Medycznej Klinicznej w Changzhou No. 2 People’s Hospital (numer zatwierdzenia IRB: [2023] YLJSA069) i przeprowadzono je zgodnie z wytycznymi instytucjonalnymi.
Projekt badania i populacja pacjentów
Wstępnie oceniono 850 pacjentów. Kryteria wykluczenia zostały ściśle zdefiniowane w następujący sposób: (1) brak pełnych sekwencji MRI czaszki (w szczególności brak obrazowania podatności magnetycznej [SWI], co uniemożliwiało dokładną ocenę mikrokrwawień); (2) brak szczegółowych zapisów z sondowania periodontologicznego lub danych o liczbie zębów w całej jamie ustnej; (3) niepełne dane z morfologii krwi, uniemożliwiające obliczenie SII; (4) historia rozległego udaru, guza mózgu, urazu czaszkowo-mózgowego lub infekcji ośrodkowego układu nerwowego; oraz (5) obecność aktywnej ostrej infekcji, ciężkiej choroby autoimmunologicznej lub nowotworu w ciągu ostatniego miesiąca, aby zminimalizować wpływ czynników zakłócających na systemowe markery stanu zapalnego. W celu zapewnienia spójności danych zastosowano podejście analizy przypadków pełnych (complete-case analysis), w ramach którego wykluczono osoby z brakującymi podstawowymi parametrami kliniczno-radiologicznymi. Po przesiewie do analizy włączono 234 kwalifikujących się uczestników. Próbka ta, obejmująca 129 zdarzeń o wysokim obciążeniu, spełniała ogólną zasadę liczby zdarzeń na zmienną (EPV) >10, niezbędną do stabilnego modelowania wielowymiarowego.
Ocena stanu i stanu zapalnego tkanek okołowierzchołkowych
Wszelkie kliniczne oceny jamy ustnej zostały przeprowadzone przez dwóch skalibrowanych periodontologów przy użyciu znormalizowanej sondy periodontalnej.
Przed rozpoczęciem badania obaj egzaminatorzy przeszli szkolenie standaryzujące, a niezawodność międzyegzaminatorska była doskonała (κ Cohen’a = 0.82). Głębokość sondowania kieszonek (PPD) oraz poziom przyzębia (CAL) mierzono w sześciu punktach na ząb. Na podstawie ram klasyfikacyjnych z 2018 roku opisanych przez Tonetti et al.15, chorobę przyzębia zaklasyfikowano jako łagodną/nieobecną, umiarkowaną lub ciężką. W szczególności uczestników podzielono na następujące kategorie: (1) łagodne/nieobecne zapalenie przyzębia (w tym zdrowie tkanek przyzębia i zapalenie przyzębia stopnia I), zdefiniowane jako międzypryzmatyczny poziom przyzębia (CAL) w miejscu największej utraty przyzębia ≤2 mm i głębokość sondowania kieszonek (PPD) ≤4 mm, bez utraty zębów związanej z zapaleniem przyzębia; (2) umiarkowane zapalenie przyzębia (zapalenie przyzębia stopnia II), zdefiniowane jako międzypryzmatyczny CAL od 3–4 mm, maksymalne PPD ≤5 mm oraz utratę nie więcej niż czterech zębów w wyniku zapalenia przyzębia; oraz (3) ciężkie zapalenie przyzębia (zapalenie przyzębia stopnia III/IV), zdefiniowane jako międzypryzmatyczny CAL ≥5 mm, PPD ≥6 mm i/lub utratę czterech lub więcej zębów w wyniku destrukcji przyzębia15.
Dla każdego uczestnika odnotowano również liczbę zachowanych zębów. Ponieważ utrzymanie minimum 20 funkcjonalnych zębów jest powszechnie akceptowanym wskaźnikiem klinicznym w zakresie zachowania podstawowych funkcji jamy ustnej i prawidłowego starzenia się organizmu w tym obszarze16,17,18, surową liczbę zębów przekształcono w zmienną binarną: ciężka utrata zębów (<20 zębów) versus nieciężka utrata zębów (≥20 zębów).
W odniesieniu do stanu zapalnego układowego, wskaźnik SII wyznaczono z próbek krwi pobranych na czczo podczas przyjęcia do szpitala. Próbki krwi żylnej pobrano do probówek z EDTA i przetworzono zgodnie ze standardowym protokołem klinicznego laboratorium szpitalnego przed analizą z użyciem automatycznego analizatora hematologicznego w celu uzyskania liczby neutrofili, limfocytów i płytek krwi. Wskaźnik obliczono według wzoru:
Aby uwzględnić silnie skośny rozkład wartości SII, przed włączeniem do analiz statystycznych zastosowano transformację logarytmiczną naturalną (Log_SII).
Nabywanie obrazów MRI i całkowite obciążenie CSVD
Wszyscy badani zostali poddani standaryzowanym badaniom MRI czaszki przy użyciu skanera MRI 3.0 T wyposażonego w standardową cewkę głowową. Protokół obrazowania obejmował sekwencje T1-zależne, T2-zależne, FLAIR (fluid-attenuated inversion recovery) oraz SWI (susceptibility-weighted imaging) pozyskane przy grubości warstwy 5 mm. Standardowe parametry obrazowania skonfigurowano w następujący sposób: obrazowanie T1-zależne (czas powtórzenia [TR] = 2,000 ms, czas echa [TE] = 9 ms, pole widzenia [FOV] = 230 × 230 mm2, rozmiar macierzy = 256 × 256); obrazowanie T2-zależne (TR = 4,500 ms, TE = 85 ms, FOV = 230 × 230 mm2, rozmiar macierzy = 256 × 256); obrazowanie FLAIR (TR = 8,500 ms, TE = 120 ms, czas inwersji [TI] = 2,400 ms, FOV = 230 × 230 mm2, rozmiar macierzy = 256 × 256); oraz obrazowanie SWI (TR = 28 ms, TE = 20 ms, kąt odchylenia = 15°, FOV = 230 × 230 mm2, rozmiar macierzy = 256 × 256). Wszystkie sekwencje pozyskano przy grubości warstwy 5 mm i odstępie międzywarstwowym 1.0 mm. Konkretny skaner wymieniono w Tabeli Materiałów. Markery obrazowe CSVD były niezależnie oceniane przez dwóch lekarzy neuroradiologów, którzy nie mieli dostępu do danych klinicznych uczestników. Niezawodność międzyoceniająca dla całkowitej oceny obciążenia CSVD była wysoka (κ Cohena = 0.85). Wszelkie rozbieżności rozstrzygano drogą konsensusu z trzecim, starszym lekarzem.
Zgodnie z przyjętym międzynarodowym konsensusem1,3, skumulowane obciążenie CSVD ilościowo określono w skali od 0 do 4 poprzez ocenę czterech cech neuroobrazowych. Jeden punkt przypisywano za każde z następujących znalezisk w MRI: (1) co najmniej jeden udar lakunarny; (2) jeden lub więcej mikrokrawawień mózgowych (CMBs); (3) umiarkowanie do silnie poszerzone przestrzenie okołonaczyniowe (EPVS) w jądrach podstawy (stopień ≥2); oraz (4) silne hiperintensywności istoty białej (WMH), zdefiniowane jako wynik w skali Fazekasa ≥2 w głębokiej istocie białej lub 3 w obszarze okołodomniczkowym. Definicje diagnostyczne ściśle przestrzegano zgodnie z międzynarodowym konsensusem Standards for Reporting Vascular Changes on Neuroimaging (STRIVE-1)1. Hiperintensywności istoty białej (WMH) oceniano w skali Fazekasa19, a poszerzone przestrzenie okołonaczyniowe (EPVS) w jądrach podstawy oceniano przy użyciu zwalidowanej 4-stopniowej wizualnej skali oceny opisanej przez Pottera i wsp.20. Na potrzeby opracowania modelu oceny ryzyka, pacjentów z całkowitym wynikiem obciążenia CSVD ≥2 zaklasyfikowano jako osoby z wysokim obciążeniem CSVD, ponieważ próg ten był konsekwentnie wiązany z przyspieszonym pogorszeniem funkcji poznawczych oraz śmiertelnością21,22,23.
Gromadzenie danych o współzmiennych
Demograficzne cechy pacjentów oraz historia kliniczna zostały wyodrębnione z instytucjonalnych elektronicznych rekordów zdrowotnych. Zebrane zmienne obejmowały wiek, płeć, wskaźnik masy ciała (BMI), status palenia tytoniu oraz spożycie alkoholu. Ponadto dla każdego uczestnika udokumentowano kardiometaboliczne i naczyniowe choroby współistniejące, w tym dyslipidemię, cukrzycę, nadciśnienie tętnicze, chorobę wieńcową (CAD), przebyty zawał mięśnia sercowego (MI) oraz poprzedni udar niedokrwienny.
Wszystkie choroby współistniejące potwierdzono poprzez przegląd diagnoz lekarskich udokumentowanych w szpitalnej dokumentacji medycznej, historii przyjmowanych leków oraz rutynowych badań laboratoryjnych i obrazowych wykonywanych przy przyjęciu, zgodnie z ustalonymi wytycznymi klinicznymi. Nadciśnienie tętnicze zdefiniowano jako ciśnienie skurczowe ≥140 mmHg, ciśnienie rozkurczowe ≥90 mmHg lub aktualne leczenie hipotensyjne. Cukrzycę zdefiniowano jako stężenie glukozy w osoczu na czczo ≥7.0 mmol/L, hemoglobinę glikowaną (HbA1c) ≥6.5% lub stosowanie leków przeciwcukrzycowych. Dyslipidemię zdefiniowano jako nieprawidłowości w stężeniu lipidów w surowicy na czczo lub aktualną terapię hipolipemizującą. CAD, historię MI oraz przebyty udar niedokrwienny potwierdzono na podstawie udokumentowanej historii klinicznej oraz archiwalnych raportów z obrazowania naczyniowo-mózgowego lub kardiologicznego dostępnych w systemie elektronicznej dokumentacji medycznej.
Analiza statystyczna i opracowanie modelu
Przed analizą statystyczną normalność rozkładu zmiennych ciągłych oceniono za pomocą testu Shapiro-Wilka. Statystyki opisowe dla zmiennych kategorycznych przedstawiono jako liczebności (procenty) i porównano za pomocą testu chi-kwadrat Pearsona lub dokładnego testu Fishera, w zależności od potrzeb. Zmienne ciągłe o rozkładzie normalnym wyrażono jako średnie ± odchylenia standardowe i porównano za pomocą testu t Studenta, natomiast zmienne o rozkładzie nienormalnym wyrażono jako mediany wraz z rozstępem międzykwartylnym i porównano za pomocą testu U Manna-Whitneya. Aby zbadać potencjalne nieliniowe wzorce zależności dawka-odpowiedź między liczbą zachowanych zębów a ryzykiem wysokiego obciążenia CSVD, skonstruowano model RCS skorygowany o wiek, nadciśnienie tętnicze oraz Log_SII, stosując cztery węzły rozmieszczone na 5., 35., 65. i 95. percentylu rozkładu liczby zębów. Formalne testowanie nieliniowości przeprowadzono za pomocą analizy wariancji (ANOVA), aby ustalić, czy efekt progowy, czy ciągły trend liniowy najlepiej wyjaśnia obserwowaną zależność.
Aby przeprowadzić selekcję zmiennych w obecności skorelowanych predyktorów, wszystkie zmienne wyjściowe wprowadzono do modelu regresji LASSO. Optymalny parametr strojenia (λ) określono za pomocą 10-krotnej walidacji krzyżowej i wybrano zgodnie z kryterium minimalnej dewiancji dwumianowej (λmin). Do dalszych analiz zakwalifikowano zmienne o niezerowych współczynnikach. Wybrane zmienne wprowadzono następnie do wieloczynnikowego modelu regresji logistycznej w celu oszacowania ilorazów szans (ORs) oraz 95% przedziałów ufności (CIs) dla ich powiązań z wysokim obciążeniem CSVD. Końcowy model wieloczynnikowy wykorzystano następnie do opracowania eksploracyjnego nomogramu klinicznego służącego do indywidualnej oceny ryzyka.
Aby ocenić wartość dodaną parametrów periodontologicznych, model bazowy (obejmujący wiek, nadciśnienie tętnicze oraz Log_SII) porównano z modelem rozszerzonym, uwzględniającym stopień zaawansowania zapalenia przyzębia oraz liczbę zębów. Wydajność modelu oceniono za pomocą wielu uzupełniających miar. Dyskryminację oceniono, wykorzystując pole pod krzywą charakterystyki operacyjnej odbiornika (AUC), a różnice między modelami porównano za pomocą testu DeLonga24. Dla optymalnego punktu odcięcia, wyznaczonego na podstawie maksymalnego indeksu Youdena, obliczono również czułość, swoistość, dodatnią wartość predykcyjną (PPV) oraz ujemną wartość predykcyjną (NPV). Obliczono ciągłą poprawę reklasyfikacji netto (NRI) oraz zintegrowaną poprawę dyskryminacji (IDI), aby ilościowo określić przyrost reklasyfikacji ryzyka zapewniony przez model rozszerzony25. Kalibrację oceniono za pomocą wykresów kalibracji wygenerowanych z 1000 prób bootstrapowych zaimplementowanych w pakiecie rms, a następnie obliczono średni błąd bezwzględny między ryzykiem przewidywanym a obserwowanym. Aby uwzględnić potencjalne przeuczenie modelu i zapewnić nieobciążoną ocenę jego wydajności, walidacja bootstrapowa obejmowała korekcję optymizmu, a w wynikach raportowano wydajność modelu zarówno skorygowaną o obciążenie, jak i pozorną. Przeprowadzono analizę krzywej decyzyjnej (DCA), aby ocenić potencjalną użyteczność kliniczną poprzez oszacowanie korzyści netto w zakresie progów prawdopodobieństwa. Wszystkie analizy statystyczne i wizualizacje wykonano przy użyciu oprogramowania statystycznego oraz pakietów rms, glmnet, pROC, PredictABEL i dcurves. Istotność statystyczną zdefiniowano jako dwustronną wartość P <0,05.
Wyniki
Projekt badania i populacja pacjentów
Po wykluczeniu 616 osób ze względu na poważne choroby współistniejące lub brak danych kliniczno-radiologicznych, do końcowej analizy włączono 234 kwalifikujących się uczestników przyjętych na badanie neurologiczne (Rysunek 1). Uczestników podzielono zgodnie z sumarycznym wynikiem CSVD na grupy o wysokim obciążeniu (n = 129) i niskim obciążeniu (n = 105). Wyjściowa charakterystyka demograficzna i kliniczna obu grup przedstawiona jest w Tabeli 1. Uczestnicy z wysokim obciążeniem CSVD byli starsi niż osoby z niskim obciążeniem CSVD (67,71 ± 7,41 lat vs. 64,91 ± 7,74 lat, P = 0,005) i wykazywali wyższą częstość występowania nadciśnienia tętniczego (63,6% vs. 48,6%, P = 0,024). Częstość występowania przebytego udaru niedokrwiennego była również wyższa w grupie o wysokim obciążeniu, choć różnica ta nie osiągnęła istotności statystycznej (21,7% vs. 12,4%, P = 0,076). W odniesieniu do parametrów zdrowia jamy ustnej, częstość występowania ciężkiego zapalenia przyzębia była wyższa w grupie o wysokim obciążeniu (52,7% vs. 16,2%, P < 0,001), co towarzyszyło większej średniej głębokości sondowania kieszonek (PPD; 4,88 mm vs. 2,54 mm, P < 0,001) oraz poziomowi przyczepu klinicznego (CAL; 4,54 mm vs. 2,12 mm, P < 0,001). Uczestnicy w grupie o wysokim obciążeniu zachowali również mniej naturalnych zębów (18,39 ± 8,15 vs. 24,36 ± 6,21, P < 0,001). Ponadto wartości Log_SII były wyższe w grupie o wysokim obciążeniu niż w grupie o niskim obciążeniu (6,48 ± 0,52 vs. 6,27 ± 0,45, P = 0,001). Status palenia tytoniu, wskaźnik masy ciała oraz rozkład płci nie różniły się istotnie między grupami.
Rycina 1. Schemat selekcji uczestników badania. Schemat ilustrujący selekcję uczestników do retrospektywnego badania przekrojowego. Przesiewowo badano kolejnych pacjentów przyjętych do Oddziału Neurologii w Changzhou No. 2 People’s Hospital między styczniem 2022 a grudniem 2024 roku z powodu zawrotów głowy, bólów głowy, w celu przesiewowego badania w kierunku udaru lub oceny poznawczej. Przed stratyfikacją uczestników na grupy z niskim i wysokim obciążeniem chorobą małych naczyń mózgowych (CSVD) sekwencyjnie stosowano kryteria wykluczenia. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
| Zmienna | Niskie obciążenie CSVD (n = 105) | Wysokie obciążenie CSVD (n = 129) | Wartość P |
| Wiek (lat), średnia ± SD | 64.91 ± 7.74 | 67.71 ± 7.41 | 0.005 |
| Płeć męska, n (%) | 49 (46.7) | 69 (53.5) | 0.358 |
| Wskaźnik masy ciała (kg/m²), średnia ± SD | 24.24 ± 2.92 | 23.62 ± 3.12 | 0.122 |
| Nadciśnienie tętnicze, n (%) | 51 (48.6) | 82 (63.6) | 0.024 |
| Cukrzyca, n (%) | 27 (25.7) | 30 (23.3) | 0.76 |
| Dyslipidemia, n (%) | 55 (52.4) | 59 (45.7) | 0.358 |
| Choroba wieńcowa, n (%) | 20 (19.0) | 26 (20.2) | 0.87 |
| Zawał mięśnia sercowego, n (%) | 4 (3.8) | 4 (3.1) | >0.999* |
| Przebyty udar niedokrwienny, n (%) | 13 (12.4) | 28 (21.7) | 0.076 |
| Stopień zapalenia przyzębia, n (%) | <0.001 | ||
| Zdrowe/Łagodne | 45 (42.9) | 21 (16.3) | |
| Umiarkowane | 43 (41.0) | 40 (31.0) | |
| Ciężkie | 17 (16.2) | 68 (52.7) | |
| Liczba zachowanych zębów, średnia ± SD | 24.36 ± 6.21 | 18.39 ± 8.15 | <0.001 |
| Średnia głębokość sondowania kieszonki (PPD, mm), mediana (IQR) | 2.54 (2.12–4.13) | 4.88 (3.65–6.21) | <0.001 |
| Średni poziom przyzębia (CAL, mm), mediana (IQR) | 2.12 (0.89–3.76) | 4.54 (3.12–6.45) | <0.001 |
| Log_SII, średnia ± SD | 6.27 ± 0.45 | 6.48 ± 0.52 | 0.001 |
| Białko C-reaktywne wysokiej czułości (hs-CRP, mg/L), mediana (IQR) | 1.45 (0.76–2.54) | 2.89 (1.56–4.32) | <0.001 |
| Homocysteina (Hcy, µmol/L), mediana (IQR) | 12.34 (9.87–15.65) | 15.76 (12.45–19.82) | <0.001 |
Tabela 1: Charakterystyka wyjściowa populacji badanej w zależności od obciążenia chorobą małych naczyń mózgowych (CSVD). Zmienne ciągłe przedstawiono jako średnia ± odchylenie standardowe (SD) lub mediana (rozstęp międzykwartylny [IQR]), zgodnie z zastosowaniem. Zmienne kategoryczne przedstawiono jako liczba (procent). * Wartość P obliczona przy użyciu dokładnego testu Fishera ze względu na małą liczbę obserwacji w komórkach. Wszystkie pozostałe porównania kategoryczne wykonano za pomocą testu chi-kwadrat Pearsona, chyba że wskazano inaczej. Skróty: BMI, wskaźnik masy ciała; CAL, kliniczny poziom przyczepu; CAD, choroba wieńcowa; CSVD, choroba małych naczyń mózgowych; DM, cukrzyca; Hcy, homocysteina; hs-CRP, wysokoczułe białko C-reaktywne; HTN, nadciśnienie tętnicze; IQR, rozstęp międzykwartylny; Log_SII, logarytm naturalny systemowego indeksu immunozapalnego; MI, zawał mięśnia sercowego; PPD, głębokość kieszonki dziąsłowej; SD, odchylenie standardowe; SII, systemowy indeks immunozapalny.
Ocena stanu periodontu i stanu zapalnego
Rozkład całkowitych wyników obciążenia CSVD w zależności od stopnia zaawansowania zapalenia przyzębia przedstawiono na Rysunku 2. Odsetek uczestników z wyższymi wynikami CSVD wzrastał wraz ze zwiększającym się stopniem ciężkości zapalenia przyzębia, a test Cochran-Armitage wykazał istotną tendencję (P < 0.001). Związek między liczbą zachowanych zębów a prawdopodobieństwem wysokiego obciążenia CSVD oceniono dodatkowo za pomocą analizy RCS (Rysunek 3). Po skorygowaniu o wiek, nadciśnienie tętnicze oraz Log_SII, test formalny potwierdził liniowy wzorzec zależności dawka-odpowiedź, a nie nieliniowy efekt progowy (P dla nieliniowości = 0.332). Szacowane prawdopodobieństwo wysokiego obciążenia CSVD rosło progresywnie wraz ze spadkiem liczby zachowanych zębów. Jednakże szacunki dla najniższej liczby zębów należy interpretować ostrożnie ze względu na szersze przedziały ufności.
Rycina 2. Rozkład całkowitego obciążenia chorobą małych naczyń mózgowych (CSVD) w zależności od stopnia zapalenia przyzębia. Skumulowany wykres słupkowy przedstawiający proporcjonalny rozkład zapalenia przyzębia w stopniu zdrowym/łagodnym, umiarkowanym i ciężkim w odniesieniu do całkowitych wyników obciążenia CSVD (0–4). Test trendu Cochran-Armitage wykazał istotny trend wzrostowy ciężkości zapalenia przyzębia wraz ze wzrostem obciążenia CSVD (P dla trendu <0,001). Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rycina 3. Analiza ograniczonego splotu sześciennego dotycząca związku między liczbą zachowanych zębów a wysokim obciążeniem mózgową chorobą drobnych naczyń (CSVD). Model ograniczonego splotu sześciennego (RCS) pokazujący związek między liczbą zachowanych zębów a logarytmem szans wystąpienia wysokiego obciążenia CSVD po skorygowaniu o wiek, nadciśnienie tętnicze oraz logarytm naturalny systemowego indeksu immunozapalnego (Log_SII). Czerwona linia ciągła reprezentuje szacowany logarytm szans, a obszar zacieniowany reprezentuje 95% przedział ufności (CI). Test nieliniowości nie był istotny statystycznie (P dla nieliniowości = 0,332), co potwierdza liniowy charakter związku. Szacunki dla najniższej liczby zębów należy interpretować ostrożnie ze względu na szersze przedziały ufności. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Analiza statystyczna i opracowanie modelu
Do wyboru zmiennych spośród parametrów wyjściowych wykorzystano regresję LASSO (least absolute shrinkage and selection operator) z 10-krotną walidacją krzyżową (Supplementary Figure 1). W wyniku tej procedury jako kluczowe cechy utrzymano wiek, nadciśnienie tętnicze, stopień zaawansowania paradontozy oraz liczbę zachowanych zębów. W następnym wieloczynnikowym modelu regresji logistycznej (Table 2) wiek (iloraz szans [OR] = 1,06, 95% przedział ufności [CI]: 1,02–1,10, P = 0,008) oraz nadciśnienie tętnicze (OR = 2,02, 95% CI: 1,16–3,55, P = 0,014) były niezależnie powiązane z wysokim obciążeniem CSVD. Ciężka paradontoza (OR = 1,73, 95% CI: 0,25–12,19, P = 0,580) oraz liczba zachowanych zębów (OR = 0,94, 95% CI: 0,87–1,01, P = 0,112) nie osiągnęły istotności statystycznej, co wskazuje, że ich powiązania uległy osłabieniu po korekcie wieloczynnikowej. Parametry periodontologiczne te zachowano w końcowym modelu jako eksploracyjne cechy profilowania. Analizy podgrup dotyczące związku między ciężką paradontozą a wysokim obciążeniem CSVD przedstawiono na Supplementary Figure 2. Kierunek tego związku był ogólnie spójny we wszystkich zdefiniowanych wcześniej podgrupach. Konkretnie, wartości OR wynosiły 1,88 (95% CI: 0,19–18,57) u kobiet i 1,76 (95% CI: 0,12–25,14) u mężczyzn; 2,44 (95% CI: 0,21–28,53) u uczestników z nadciśnieniem tętniczym i 1,48 (95% CI: 0,11–19,34) u osób bez nadciśnienia; oraz 2,12 (95% CI: 0,23–19,82) u uczestników w wieku ≥65 years i 1,45 (95% CI: 0,10–21,05) u osób w wieku <65 years. Nie zaobserwowano statystycznie istotnych interakcji dla płci (Pinteraction = 0,916), stanu nadciśnienia tętniczego (Pinteraction = 0,627) ani wieku (Pinteraction = 0,684), co wskazuje na brak dowodów na modyfikację efektu w tych eksploracyjnych analizach podgrup.
| Zmienna | Iloraz szans (OR) | 95% przedział ufności (CI) | Wartość P |
| Wiek | 1.06 | 1.02–1.10 | 0.008 |
| Nadciśnienie tętnicze | 2.02 | 1.16–3.55 | 0.014 |
| Log_SII | 0.35 | 0.07–1.81 | 0.214 |
| Liczba zachowanych zębów | 0.94 | 0.87–1.01 | 0.112 |
| Stopień zaawansowania periodontitis | |||
| Zdrowy/Lekki (Referencyjny) | 1 | — | — |
| Umiarkowany | 1.41 | 0.51–3.90 | 0.51 |
| Ciężki | 1.73 | 0.25–12.19 | 0.58 |
Tabela 2: Wieloczynnikowa analiza regresji logistycznej czynników związanych z dużym obciążeniem mózgową chorobą małych naczyń (CSVD). Zmienne uwzględnione w wieloczynnikowym modelu regresji logistycznej zostały wybrane za pomocą regresji LASSO (least absolute shrinkage and selection operator). Kategorią referencyjną był brak periodontitis lub jego łagodny przebieg. Iloraz szans (OR) dla liczby zachowanych zębów reprezentuje zmianę szans na wystąpienie dużego obciążenia CSVD związaną z każdym dodatkowym zachowanym zębem. Skróty: CI, przedział ufności; CSVD, mózgowa choroba małych naczyń; LASSO, least absolute shrinkage and selection operator; Log_SII, logarytm naturalny systemowego indeksu immunozapalnego; OR, iloraz szans.
Na podstawie końcowego modelu wieloczynnikowego opracowano klinyczny nomogram jako eksploracyjną ramę wizualizacyjną do zindywidualizowanej oceny ryzyka CSVD (Rycina 4). Nomogram ilustruje wpływ wieku, nadciśnienia tętniczego, Log_SII, stopnia zaawansowania zapalenia przyzębia oraz liczby zachowanych zębów na szacowane prawdopodobieństwo wysokiego obciążenia CSVD. Aby ocenić potencjalną wartość dodaną parametrów periodontologicznych, model bazowy obejmujący wiek, nadciśnienie tętnicze i Log_SII porównano z modelem rozszerzonym, który dodatkowo uwzględniał stopień zaawansowania zapalenia przyzębia i liczbę zachowanych zębów (Tabela 3). Analiza charakterystyki operacyjnej odbiornika wykazała AUC na poziomie 0,688 (95% CI: 0,621–0,755) dla modelu rozszerzonego i 0,656 (95% CI: 0,587–0,726) dla modelu bazowego; różnica ta nie była statystycznie istotna zgodnie z testem DeLonga (P = 0,263) (Rycina 5A). Model rozszerzony wykazał ciągłą poprawę reklasyfikacji netto (NRI) na poziomie 0,454 (P < 0,001) oraz IDI wynoszące 0,052 (P < 0,001). Kalibrację oceniono przy użyciu 1 000 prób bootstrapowych. Wykres kalibracji wykazał zgodność między szacowanym a obserwowanym prawdopodobieństwem wystąpienia zdarzenia, przy średnim błędzie bezwzględnym wynoszącym 0,038 (Rycina 5B). DCA wskazała na potencjalną korzyść netto dla modelu rozszerzonego w wybranych progach prawdopodobieństwa (Rycina 6). Należy jednak ostrożnie interpretować tę pozorną korzyść, ponieważ poprawa AUC nie była statystycznie istotna, a nie przeprowadzono walidacji zewnętrznej.
| Metryka | Model bazowy | Model rozszerzony | P wartość / ulepszenie |
| AUC (95% CI) | 0.656 (0.587–0.726) | 0.688 (0.621–0.755) | 0,263 (DeLong) |
| Czułość | — | 0.512 | — |
| Swoistość | — | 0.8 | — |
| Wartość predykcyjna dodatnia (PPV) | — | 0.759 | — |
| Wartość predykcyjna ujemna (NPV) | — | 0.571 | — |
| Ciągła poprawa reklasyfikacji netto (NRI) | — | 0.454 | <0.001 |
| Zintegrowana poprawa dyskryminacji (IDI) | — | 0.052 | <0.001 |
Tabela 3: Porównanie wydajności predykcyjnej modelu bazowego i modelu rozszerzonego. Model bazowy obejmował wiek, nadciśnienie tętnicze oraz Log_SII. Model rozszerzony dodatkowo uwzględniał stopień zaawansowania zapalenia przyzębia oraz liczbę zachowanych zębów. Dyskryminację modelu oceniono za pomocą pola pod krzywą charakterystyki operacyjnej odbiornika (AUC), a różnice między wartościami AUC porównano za pomocą testu DeLonga. Czułość, swoistość, dodatnia wartość predykcyjna (PPV) i ujemna wartość predykcyjna (NPV) zostały obliczone przy użyciu optymalnego punktu odcięcia określonego przez maksymalny indeks Youdena. Ciągła czysta poprawa reklasyfikacji (NRI) oraz zintegrowana poprawa dyskryminacji (IDI) zostały wykorzystane do oceny przyrostowej wydajności predykcyjnej modelu rozszerzonego. Skróty: AUC, pole pod krzywą charakterystyki operacyjnej odbiornika; CI, przedział ufności; IDI, zintegrowana poprawa dyskryminacji; Log_SII, logarytm naturalny systemowego wskaźnika immunozapalnego; NPV, ujemna wartość predykcyjna; NRI, czysta poprawa reklasyfikacji; PPV, dodatnia wartość predykcyjna.
Rysunek 4. Nomogram do szacowania prawdopodobieństwa wysokiego obciążenia chorobą małych naczyń mózgowych (CSVD). Nomogram opracowany na podstawie końcowego wieloczynnikowego modelu regresji logistycznej. Aby oszacować prawdopodobieństwo wysokiego obciążenia CSVD u danej osoby, należy odnaleźć wartość pacjenta dla każdego predyktora, przypisać odpowiadającą jej liczbę punktów na osi „Points”, zsumować poszczególne wyniki w celu uzyskania całkowitej liczby punktów, a następnie przenieść wynik całkowity na skalę prawdopodobieństwa, aby oszacować przewidywane ryzyko wysokiego obciążenia CSVD. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rycina 5. Dyskryminacja i kalibracja modeli predykcyjnych. (A) Krzywe charakterystyki operacyjnej odbiornika (ROC) porównujące model bazowy i model rozszerzony. Dyskryminację modelu oceniono za pomocą pola powierzchni pod krzywą ROC (AUC), a różnice między modelami oceniono testem DeLonga. (B) Wykres kalibracyjny modelu rozszerzonego wygenerowany przy użyciu 1 000 prób bootstrapowych. Przedstawiono krzywe kalibracyjne: pozorną, skorygowaną o obciążenie oraz idealną, wraz z granicami ufności (CL). Wydajność kalibracji oceniono za pomocą średniego błędu bezwzględnego między prawdopodobieństwami przewidywanymi a obserwowanymi. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rycina 6. Analiza krzywej decyzyjnej modeli predykcyjnych. Analiza krzywej decyzyjnej (DCA) porównująca korzyść netto modelu bazowego i modelu rozszerzonego w zakresie prawdopodobieństw progowych. Strategie „Lecz wszystkich” (Treat All) i „Nie lecz nikogo” (Treat None) przedstawiono jako krzywe referencyjne. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.
Ogólnie wyniki wykazały istotne nieskorygowane powiązania między ciężkością choroby przyzębia, utratą zębów a wysokim obciążeniem CSVD, wraz z liniową zależnością między zmniejszającą się liczbą zachowanych zębów a zwiększonym ryzykiem CSVD. Niemniej jednak, po korekcie wieloczynnikowej, ciężkie zapalenie przyzębia i liczba zachowanych zębów nie były niezależnie powiązane z wysokim obciążeniem CSVD. Wyniki te wspierają eksploracyjne zastosowanie parametrów przyzębia w ramach wstępnego modelu wizualizacji ryzyka, ale nie potwierdzają ich interpretacji jako niezależnych predyktorów ani uznania nomogramu za klinicznie użyteczne narzędzie przesiewowe.
Dostępność danych:
Zanonimizowany zbiór danych na poziomie uczestników, stanowiący podstawę wyników przedstawionych w niniejszym badaniu, został udostępniony jako Tabela uzupełniająca 1 i został przesłany wraz z niniejszym manuskryptem.
Rycina uzupełniająca 1. Wybór zmiennych przy użyciu regresji LASSO (least absolute shrinkage and selection operator). Parametr dostrajający (λ) został zoptymalizowany za pomocą 10-krotnej walidacji krzyżowej w oparciu o dewiancję binomialną. Pionowe linie przerywane wskazują optymalne wartości λ odpowiadające kryterium minimum oraz kryterium jednego błędu standardowego (1-SE).Kliknij tutaj, aby pobrać ten plik.
Rysunek uzupełniający 2. Analiza podgrup dotycząca związku między ciężkim zapaleniem przyzębia a wysokim obciążeniem naczyniową chorobą drobnych naczyń mózgowych (CSVD). Wykres leśny przedstawiający ilorazy szans (ORs) i 95% przedziały ufności (CIs) dla związku między ciężkim zapaleniem przyzębia a wysokim obciążeniem CSVD w zdefiniowanych wcześniej podgrupach. Pionowa przerywana linia wskazuje OR wynoszący 1,0.Kliknij tutaj, aby pobrać ten plik.
Tabela uzupełniająca 1. Zanonimizowany zestaw danych na poziomie uczestników wspierający analizy przedstawione w niniejszym badaniu. Zestaw danych obejmuje zanonimizowane cechy demograficzne, naczyniowe czynniki ryzyka, zmienne badania periodontologicznego, pomiary laboratoryjne, wyniki obrazowania rezonansem magnetycznym (MRI), wyniki obciążenia chorobą małych naczyń mózgowych (CSVD) oraz zmienne oceny międzyobserwatorowej wykorzystane w analizach statystycznych. Definicje zmiennych odpowiadają tym opisanym w sekcji Protokół.Kliknij tutaj, aby pobrać ten plik.
Dyskusja
Niniejsze badanie miało na celu przeanalizowanie związku między destrukcją tkanek okresu, liczbą zachowanych zębów a skumulowanym obciążeniem CSVD, co doprowadziło do opracowania eksploracyjnego nomogramu klinicznego. Chociaż analizy jednowymiarowe wykazały powiązania między ciężkim zapaleniem dziąseł, utratą zębów a wysokim obciążeniem CSVD, wielowymiarowa regresja logistyczna wykazała, że ciężkie zapalenie dziąseł (P = 0.580) oraz liczba zachowanych zębów (P = 0.112) nie były niezależnie powiązane z wysokim obciążeniem CSVD po skorygowaniu o konwencjonalne czynniki ryzyka sercowo-naczyniowego, w tym wiek i nadciśnienie tętnicze. W związku z tym parametry te nie powinny być interpretowane jako niezależne predyktory wysokiego obciążenia CSVD w tej kohorcie. Przeciwnie, zaobserwowane korelacje uległy osłabieniu po korekcie wielowymiarowej. Poprzednie badania analizujące związek między zdrowiem jamy ustnej a chorobą naczyniową mózgu koncentrowały się głównie na poszczególnych markerach neuroobrazowania, takich jak udary lakunarne lub obciążenie hiperintensywnością istoty białej26. W przeciwieństwie do nich, w niniejszym badaniu jako główny punkt końcowy przyjęto całkowity wynik obciążenia CSVD, zgodnie ze współczesnymi zaleceniami w zakresie neuroobrazowania i aktualnymi ramami koncepcyjnymi dotyczącymi choroby drobnych naczyń mózgowych, co zapewniło bardziej kompleksową ocenę rozproszonych uszkodzeń mikro naczyniowych mózgu1,3,27.
Istotnym wynikiem analizy RCS był brak statystycznie znaczącego nieliniowego związku (P dla nieliniowości = 0,332), co potwierdza ciągłą liniową zależność między zmniejszającą się liczbą zachowanych zębów a rosnącym prawdopodobieństwem wysokiego obciążenia CSVD, zamiast wyraźnego efektu progowego. Próg 20 zachowanych zębów zastosowany do stratyfikacji wybrano zgodnie z uznanymi kryteriami klinicznymi dla funkcjonalnego uzębienia i pomyślnego starzenia się jamy ustnej, a nie na podstawie analizy sklejanych (splajnów)16,17,18. Co kluczowe, próg 20 zachowanych zębów wykorzystany do stratyfikacji binarnej został określony przed analizą danych. Punkt odcięcia ten wybrano w oparciu o uznany konsensus kliniczny dotyczący funkcjonalnego uzębienia i pomyślnego starzenia się jamy ustnej (np. inicjatywa WHO „8020”), aby reprezentował minimalną liczbę zębów powszechnie uznawaną za niezbędną do zachowania podstawowych funkcji jamy ustnej, a nie na podstawie aktualnego zbioru danych. Utrata zębów i przewlekła choroba przyzębia pozostają istotnymi problemami zdrowia publicznego ze względu na ich powiązania z upośledzeniem funkcji jamy ustnej i zdrowiem ogólnoustrojowym28. Pojawiające się dowody sugerują również potencjalnie dwukierunkową relację w obrębie osi jama ustna-mózg, w której choroba małych naczyń mózgowych może sama w sobie wiązać się z przyspieszonym pogorszeniem stanu przyzębia29. Aby zoptymalizować wybór predyktorów, zastosowano model regresji LASSO z wykorzystaniem optymalizacji spadku współrzędnych (coordinate descent optimization)30. W porównaniu z konwencjonalnymi podejściami regresji krokowej, LASSO zapewnia strukturę regularyzacji, która może poprawić stabilność modelu i zredukować przeuczenie w przypadku jednoczesnego uwzględnienia skorelowanych zmiennych klinicznych31. Zmienne zachowane po selekcji LASSO zostały następnie wprowadzone do wieloczynnikowego modelu regresji logistycznej w celu opracowania nomogramu. Chociaż Log_SII nie został zachowany przez zautomatyzowaną procedurę wyboru zmiennych LASSO, został on celowo włączony jako predefiniowana współzmienna kliniczna zarówno do podstawowego, jak i rozszerzonego modelu predykcyjnego ze względu na jego uznaną istotność kliniczną jako markeru stanu zapalnego w chorobie naczyniowej mózgu i zapaleniu przyzębia. Podejście to zapewniło korektę o ogólnoustrojowy stan zapalny, umożliwiając jednocześnie ocenę przyrostowego wkładu zmiennych przyzębia. Ponieważ LASSO jest techniką wyboru zmiennych predykcyjnych, a nie metodą wnioskowania przyczynowego, włączenie lub wykluczenie poszczególnych zmiennych nie powinno być interpretowane jako dowód na obecność lub brak współliniowości lub istotności przyczynowej.
Pod względem biologicznym ciężkie zapalenie przyzębia definiuje się jako miejscową infekcję dysbiotyczną, która może przyczyniać się do ogólnoustrojowych odpowiedzi zapalnych32. Wykazano, że terapia periodontologiczna redukuje ogólnoustrojowe markery zapalne i poprawia funkcję śródbłonka obwodowego, co potwierdza związek między zdrowiem jamy ustnej a funkcją naczyniową33. Patogeny periodontalne, w tym Porphyromonas gingivalis, oraz ich komponenty lipopolisacharydowe mogą przedostawać się do krążenia systemowego podczas żucia lub zabiegów higieny jamy ustnej, a komponenty bakteryjne wykryto w tkankach neuronalnych34. Przewlekła ogólnoustrojowa ekspozycja na te bodźce zapalne została zaproponowana jako jeden z mechanizmów, które mogą przyczyniać się do dysfunkcji śródbłonka i uszkodzenia bariery krew-mózg – procesów uwikłanych w patogenezę choroby małych naczyń mózgowych35. Aby ocenić użyteczność kliniczną powstałego modelu predykcyjnego, przeprowadzono analizę DCA w celu oceny potencjalnej korzyści netto dla zakresu prawdopodobieństw progowych36. Chociaż DCA sugerowała potencjalne korzyści w porównaniu ze strategiami domyślnymi, reprezentuje ona teoretyczną wydajność modelu i nie ustanawia rzeczywistej korzyści klinicznej ani poprawy wyników u pacjentów. W celu zapewnienia przejrzystego raportowania oraz ułatwienia niezależnej oceny i replikacji, opracowanie i opis tego eksploracyjnego schematu postępowania przebiegało zgodnie z wytycznymi Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD)37. Niniejsze ramy raportowania są istotne, ponieważ postawiono hipotezę, że przewlekły, niskostopniowy stan zapalny jamy ustnej oddziałuje z ogólnoustrojowymi szlakami metabolicznymi zaangażowanymi w neurodegenerację mózgu38. Ewaluacja modelu objęła uznane miary walidacyjne wraz z dodatkowymi wskaźnikami wydajności predykcyjnej39. W szerszym ujęciu podejście to odzwierciedla potencjalne ogólnoustrojowe skutki miejscowego stanu zapalnego błon śluzowych40. Niemniej jednak, biorąc pod uwagę umiarkowaną zdolność dyskryminacyjną modelu (AUC = 0.688), brak statystycznie istotnej poprawy AUC w porównaniu z modelem bazowym według testu DeLonga (P = 0.263) oraz szerokie przedziały ufności dla zmiennych dotyczących zdrowia jamy ustnej, zaproponowany nomogram należy interpretować ściśle jako wstępne, eksploracyjne narzędzie wizualizacyjne, a nie jako klinicznie stosowalne narzędzie w rutynowej praktyce neurologicznej.
Kilka kroków metodologicznych ma kluczowe znaczenie dla powtarzalności i skutecznego wdrożenia proponowanego schematu postępowania i może wpływać na zgłoszoną wydajność modelu. Po pierwsze, badania periodontologiczne powinny być wysoko zestandaryzowane, a skalibrowani badacze powinni przeprowadzać pomiary głębokości kieszonek dziąsłowych oraz poziomu przyczepu klinicznego w całym jamie ustnej w sześciu punktach na ząb, zgodnie z ramami klasyfikacji EFP/AAP z 2018 roku15. Po drugie, powtarzalność obrazowania neurologicznego zależy od zestandaryzowanych protokołów akwizycji obrazów z rezonansu magnetycznego 3.0 T, w tym sekwencji fluid-attenuated inversion recovery (FLAIR) oraz susceptibility-weighted imaging (SWI), wraz z walidowanymi, opartymi na konsensusie kryteriami oceny całkowitego obciążenia chorobą małych naczyń mózgowych (CSVD)1. Po trzecie, pobieranie krwi i przetwarzanie laboratoryjne powinny być zestandaryzowane z wykorzystaniem próbek krwi żylnej pobranych na czczo oraz spójnych procedur postępowania z próbkami, aby zapewnić wiarygodne obliczenie logarytmu naturalnego Systemowego Indeksu Immunologiczno-Zapalnego (Log_SII). Dodatkowe środki, które mogą usprawnić wdrożenie, obejmują elektroniczną dokumentację stomatologiczną w celu ograniczenia błędów przy ręcznym wprowadzaniu danych oraz zestandaryzowane procedury postępowania z brakującymi danymi.
Pomimo tych rozważań metodologicznych należy uznać kilka ograniczeń. Jednoośrodkowy, retrospektywny charakter badania przekrojowego uniemożliwia wyciągnięcie wniosków dotyczących przyczynowości. Ponadto, choć uwzględnienie 129 zdarzeń z wysokim obciążeniem CSVD spełniło kryterium liczby zdarzeń na zmienną niezbędne do opracowania stabilnego modelu, stosunkowo mała liczebność próby ograniczyła moc statystyczną analiz wielowymiarowych. Model nie uwzględniał również kilku potencjalnych czynników zakłócających, w tym praktyk higieny jamy ustnej (np. częstotliwości szczotkowania zębów i nitkowania) oraz wcześniejszego leczenia periodontologicznego, z których oba mogą wpływać na stan tkanek okołowierzchołkowych. Ponadto nie można wykluczyć odwrotnej przyczynowości, ponieważ pacjenci z zaawansowanym CSVD lub niepełnosprawnością po udarze mogą wykazywać zaburzenia funkcji poznawczych, motorycznych i sprawności manualnej, co potencjalnie upośledza praktyki higieny jamy ustnej41 i ogranicza korzystanie z rutynowej opieki stomatologicznej42. W konsekwencji zaawansowane zapalenie przyzębia może w części stanowić następstwo, a nie przyczynę uszkodzeń naczyniowo-nerwowych. Na koniec, retrospektywny charakter badania uniemożliwił pobranie próbek płytki poddziasłowej do sekwencjonowania 16S rRNA lub profilowania metagenomicznego, co ograniczyło badanie potencjalnych zależności między mikrobiomem jamy ustnej a krążącymi mediatorami zapalnymi lub biomarkerami związanymi z amyloidem43. Brak niezależnej zewnętrznej kohorty walidacyjnej pozostaje istotnym ograniczeniem, a możliwości generalizacji proponowanego modelu na inne populacje nie ustalono jeszcze. Wskazane jest przeprowadzenie w przyszłości wieloośrodkowych badań prospektywnych z formalną oceną liczebności próby, zewnętrzną walidacją oraz włączeniem dodatkowych markerów biologicznych.
Podsumowując, ciężki przebieg zapalenia przyzębia oraz zachowanie mniej niż 20 zębów wykazały istotne powiązania jednowymiarowe z dużym obciążeniem CSVD; jednak powiązania te uległy osłabieniu po korekcie wielowymiarowej i w tej kohorcie nie były niezależnie powiązane z dużym obciążeniem CSVD. Zaproponowany nomogram kliniczny, który integruje parametry przyzębia z konwencjonalnymi czynnikami ryzyka, stanowi wstępne, nieinwazyjne i eksploracyjne ramy dla indywidualnej wizualizacji ryzyka, a nie klinicznie zwalidowane narzędzie przesiewowe. Przed rozważeniem rutynowego zastosowania klinicznego wymagana jest walidacja zewnętrzna w niezależnych kohortach. Chociaż niezbędne są badania podłużne, aby wyjaśnić związek przyczynowo-skutkowy między zdrowiem jamy ustnej a CSVD, utrzymanie zdrowia przyzębia i zachowanie funkcjonalnego uzębienia pozostają ważnymi obszarami przyszłych wielodyscyplinarnych badań nad związanymi z wiekiem chorobami naczyniowo-mózgowymi.
Oświadczenia
Konflikt interesów:
Autorzy declareują, że nie występuje żaden konflikt interesów.
Podziękowania
Nie dotyczy.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Automatyczny analizator hematologiczny | Sysmex | XN-1000 | Służy do wyznaczania liczby komórek krwi obwodowej w celu obliczenia systemowego indeksu zapalno-immunologicznego (SII). |
| Probówki do pobierania krwi z EDTA (K2 EDTA) | Becton, Dickinson and Company | 367841 | Służą do pobierania krwi żylnej na czczo. |
| System Elektronicznej Dokumentacji Medycznej (EDM) | Winning Health Technology Group | Winning EMR v6.0 | Służy do wyodrębniania danych demograficznych i klinicznych pacjentów. |
| Skaner do obrazowania rezonansem magnetycznym (MRI) (3,0 T) | Siemens Healthineers | MAGNETOM Prisma 3.0T | Służy do przeprowadzania standaryzowanych badań rezonansu magnetycznego czaszki. |
| Cewka MRI do głowy | Siemens Healthineers | 64-channel Head/Neck Coil | Standardowa cewka do głowy używana podczas akwizycji obrazów MRI. |
| Sonda periodontologiczna (UNC-15) | Hu-Friedy | PCPUNC15 | Służy do pomiaru głębokości kieszonki periodontologicznej (PPD) oraz poziomu przyczepu klinicznego (CAL). |
| Pakiet R: dcurves | CRAN | Version 0.4.0 | Służy do analizy krzywych decyzyjnych (DCA). |
| Pakiet R: glmnet | CRAN | Version 4.1-8 | Służy do regresji LASSO (least absolute shrinkage and selection operator) oraz selekcji zmiennych. |
| Pakiet R: pROC | CRAN | Version 1.18.5 | Służy do analizy krzywej ROC (receiver operating characteristic) oraz testów DeLonga. |
| Pakiet R: PredictABEL | CRAN | Version 1.2-4 | Służy do obliczania ciągłego wskaźnika poprawy reklasyfikacji (NRI) oraz zintegrowanego wskaźnika poprawy dyskryminacji (IDI). |
| Pakiet R: rms | CRAN | Version 6.7-1 | Służy do analizy ograniczonych splajnów sześciennych (RCS), konstruowania nomogramów oraz kalibracji metodą bootstrap. |
| Oprogramowanie R do obliczeń statystycznych | R Foundation for Statistical Computing | Version 4.3.1 | Środowisko obliczeń statystycznych wykorzystane we wszystkich analizach. |
Bibliografia
- 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.