引用本文
张茗茗, 郑迎东, 梁宇红. 牙髓根尖周病根管治疗疗效预测模型的建立. 北京大学学报(医学版), 2018,50(1): 123-130.
ZHANG Ming-ming, ZHENG Ying-dong, LIANG Yu-hong. A prognostic model for assessment of outcome of root canal treatment in teeth with pulpitis or apical periodontitis. Journal of Peking University(Health Sciences), 2018,50(1): 123-130.  
Doi: 10.3969/j.issn.1671-167X.2018.01.021
Permissions
Copyright©2018, 北京大学
© 2010《北京大学学报（医学版）》编辑部
牙髓根尖周病根管治疗疗效预测模型的建立
张茗茗1, 郑迎东2, 梁宇红1,3,△
1. 北京大学口腔医学院·口腔医院,牙体牙髓科 口腔数字化医疗技术和材料国家工程实验室 口腔数字医学北京市重点实验室, 北京 100081;
2. 北京大学公共卫生学院流行病与卫生统计学系, 北京 100091
3. 北京大学国际医院口腔科, 北京 102206
收稿日期: 2017-10-10
基金资助: 首都临床特色应用研究项目(Z131107002231045)资助
摘要

目的 初步建立牙髓根尖周病根管治疗后2年临床疗效预测模型。方法 基于根管治疗后2年疗效临床回顾性研究,以因牙髓根尖周病接受根管治疗及术后2年随访的360例患牙为研究样本,随机抽取约67%为训练样本(建立模型),其余为验证样本(模型外部验证)。以影像学评价结果为疗效标准,应用Logistic回归方法以根尖周有/无病变、根尖周病变是/否缩小为因变量分别建立临床疗效预测模型。以受试者工作特征(receiver opera-ting characteristic,ROC)曲线下面积(area under curve,AUC)评价模型预测能力。结果 以根尖周有/无病变为因变量建立模型一,纳入术前根尖周有无病变、根管弯曲度、根管充填长度及密度建模,模型AUC为0.802(95% CI: 0.744~0.859),验证样本检验外部效度结果为0.688。以根尖周病变是否缩小为因变量建立模型二,根管充填长度和密度参与建模,模型AUC为0.734(95% CI: 0.612~0.856),外部验证结果为0.681。根管重度弯曲、根管治疗质量好的牙髓炎患牙接受根管治疗术后2年,通过模型一预测,根尖周无病变概率达90%,慢性根尖周炎患牙病变愈合概率为51%。应用模型二预测,慢性根尖周炎患牙根管治疗后2年,根管充填质量好的病例出现病变缩小的概率为95%,而根管充填质量不佳者病变缩小的概率仅为39%。结论 术前根尖周状态、根管弯曲情况、根管治疗质量可用于预测根管治疗后2年临床疗效。

关键词: 根管疗法; 放射摄影术; 治疗结果; 预测模型
中图分类号:R781.3 文献标志码:A 文章编号:1671-167X(2018)01-0123-08
A prognostic model for assessment of outcome of root canal treatment in teeth with pulpitis or apical periodontitis
ZHANG Ming-ming1, ZHENG Ying-dong2, LIANG Yu-hong1,3,△
1. Department of Cariology and Endodontology, Peking University School and Hospital of Stomatology & National Engineering Laboratory for Digital and Material Technology of Stomatology & Beijing Key Laboratory of Digital Stomatology, Beijing 100081, China;
2. Department of Epidemiology and Biostatistics, Peking University School of Public Health, Beijing 100191, China
3. Department of Stomatology, Peking University International Hospital, Beijing 102206, China
△ Corresponding author’s e-mail, leungyuhong@sina.com
Abstract

Objective: To present a prognostic model for evaluating the outcome of root canal treatment in teeth with pulpitis or apical periodontitis 2 years after treatment.Methods: The implementation of this study was based on a retrospective study on the 2-year outcome of root canal treatment. A cohort of 360 teeth, which received treatment and review, were chosen to build up the total sample size. In the study, 143 teeth with vital pulp and 217 teeth with apical periodontitis were included. About 67% of the samples were selected randomly to derive a training date set for modeling, and the others were used as validating date set for testing. Logistic regression models were used to produce the prognostic models. The dependent variable was defined as absence of periapical lesion or reduction of periapical lesion. The predictability of the models was evaluated by the area under the receiver-operating characteristic (ROC) curve (AUC).Results: Four predictors were included in model one (absence of apical lesion): pre-operative periapical radiolucency, canal curvature, density and apical extent of root fillings. The AUC was 0.802 (95% CI: 0.744-0.859). And the AUC of the testing date was 0.688. Only the density and apical extent of root fillings were included to present model two (reduction of apical lesion). The AUC of training dates and testing dates were 0.734 (95% CI: 0.612-0.856) and 0.681, respectively. As predicted by model one, the probability of absence of periapical lesion 2 years after endodontic treatment was 90% in pulpitis teeth with sever root-canal curvature and adequate root canal fillings, but 51% in teeth with apical periodontitis. When using prognostic model two for prediction, in teeth with apical periodontitis, the probability of detecting lesion reduction with adequate or inadequate root fillings was 95% and 39% 2 years after treatment.Conclusion: The pre-operative periapical status, canal curvature and quality of root canal treatment could be used to predict the 2-year outcome of root canal treatment.

Key words: Root canal therapy; Radiography; Treatment outcome; Prognostic model

针对牙髓根尖周疾病的患牙, 通过根管治疗预防根尖周炎的发生或治愈已发生的根尖周炎, 从而保存天然牙, 维持牙列的正常功能, 是目前国际上通行的治疗方法[1, 2, 3]。然而, 根管治疗临床程序复杂, 临床疗效受多方面因素的影响[4, 5, 6]。已有的根管治疗疗效临床研究多是局限于探索可能的影响因素对疗效是否产生影响及其影响程度[7, 8, 9], 而通过统计学或机器学习的方法建立疗效预测模型, 则不仅可以分析影响因素, 还可以更充分地利用资料对疗效进行相对量化的预测, 提供直观数据指导临床治疗的实施, 现已在临床医学的多个领域中开展[10, 11, 12, 13]。

目前, 有三项研究尝试采用Logistic回归[14, 15]或贝叶斯网络(Bayesian network)[16]建立根管治疗预后模型, 但由于发表的研究较少、资料同质性差, 研究时间跨度较大, 使其对临床的指导意义受到影响。准确预测和评估根管治疗的临床疗效, 对于帮助临床医生和患者选择合理的治疗计划具有重要的意义。因此, 本研究拟基于设计严格的疗效回顾性研究, 建立现有临床技术条件下的根管治疗2年疗效预测模型, 为临床治疗提供参考。

1 材料与方法
1.1 研究样本的构建

研究样本来自于2007— 2009年于北京大学口腔医院牙体牙髓科接受初次根管治疗的回顾性研究病例, 其术前诊断为牙髓炎或根尖周炎, 根管治疗均由牙体牙髓专科医师按照标准治疗程序完成, 临床及根尖X线片影像学资料完整, 且有术后2年复查资料, 共计360例, 其中包括217例慢性根尖周炎患牙和143例牙髓炎患牙。在研究样本中随机抽取67%样本243例为训练样本, 用于建立模型一, 即根管治疗后2年根尖周有/无病变预测模型, 117例为验证样本用于检验该模型的外部效度。在217例慢性根尖周炎研究样本中, 随机抽取155例(70%)为建立模型二根管治疗后2年根尖周病变是/否缩小预测模型的训练样本, 66例为验证样本。

1.2 回顾性疗效资料

本研究以影像学评价结果为建立模型的疗效数据来源, 影像学资料来自于研究样本根管治疗后2年复查时进行的临床检查及影像学检查。其中, 临床检查包括症状(疼痛、肿胀、窦道)、体征(叩痛、扪痛、松动度、咬合、牙周探诊)、冠部封闭情况(修复体类型、修复体质量); 影像学检查使用Digora Optime数字成像系统(Soredex, Helsinki, Finland)拍摄平行投照根尖X线片, 并采用该拍摄系统相配的软件进行扫描, 扫描分辨率为400 dpi。。

收集影像学资料进行评价, 由未参与治疗的一名牙体牙髓专科医生和一名放射科医生定性评价根尖X线片。读片在安静的暗室内进行, 使用14英寸Thinkpad X1笔记本电脑, 显示器分辨率为 2 560× 1 440。独立、盲法、间隔2周重复进行, 对两名评价者进行一致性检验, 要求评价者之间及自身的Kappa值达到0.6以上。读片结果不一致的病例, 经两名评价者讨论后达成一致结果。

具体的影像学评价标准为:对于术前无根尖病变的牙髓炎患牙, 判断根尖病变有无, 若根尖区骨硬板不连续, 根尖区透射影宽度大于正常根周膜宽度的2倍(约0.5mm), 则判断为存在根尖病变; 对于术前有根尖病变的慢性根尖周炎患牙, 通过比较根尖X线片中根尖周病变大小变化进行定性判断, 包括病变消失(无病变)、病变缩小、病变不变或增大。

1.3 定义模型变量

1.3.1 定义因变量 因变量为临床疗效, 即患牙影像学根尖周状态, 其中, 模型一的因变量为根尖周有/无病变, 模型二因变量为慢性根尖周炎患牙根尖周病变是/否缩小(包括病变消失)。

1.3.2 定义自变量 自变量为可能影响疗效的9项临床变量, 包括患者性别、患牙牙位、术前根尖周病变、根管弯曲度以及治疗相关因素, 如根管充填长度、根管充填密度、疗次、冠部封闭的质量、修复体基牙。各变量具体定义及分类情况如下:(1)性别:男、女; (2)牙位:前牙、前磨牙、磨牙; (3)术前根尖周病变:无、有; (4)根管弯曲度:按照Schneider[17]提出的弯曲度测量方法测量根尖X线片中根管弯曲度, 分为< 10° 、10° ~25° 和> 25° ; (5)根管充填长度:恰填(距影像学根尖0~2 mm)、欠填(与影像学根尖距离超过2 mm)、超填(超过影像学根尖); (6)根管充填密度:致密(无间隙或间隙长度小于1 mm)、欠致密(存在长度大于1 mm的间隙); (7)疗次:单疗次、二疗次; (8)冠部封闭的质量:满意, 即临床及影像学检查中冠部封闭密合、无变色、无继发龋、无脱落史, 否则为不满意; (9)修复体基牙:否、是。

1.4 变量赋值

1.4.1 因变量 模型一:根尖周无病变=0, 根尖周有病变=1。模型二:根尖周病变缩小或消失=0, 根尖周病变不变或增大=1。

1.4.2 自变量 性别:男=0, 女=1; 牙位:前牙=0, 前磨牙=1, 磨牙=2; 术前根尖周病变:无=0, 有=1; 根管弯曲度:< 10° =0, 10° ~25° =1, > 25° =2; 根管充填长度:恰填=0, 欠填=1, 超填=2; 根管充填密度:致密=0, 欠致密=1; 疗次:单疗次=0, 二疗次=1; 冠部封闭的质量:满意=0, 不满意=1; 修复体基牙:否=0, 是=1。根据纳入病例的病案记录及影像学评价结果, 按照上述变量分类及赋值, 提取各变量的数据信息, 并使用Excel 2010(Microsoft Corporation, Richmond, WA, USA)软件整理数据资料。

1.5 统计分析

统计学分析使用SPSS 17.0(IBM, Chicago, USA)软件。通过计算Kappa值评价两位评价者之间及自身的一致性。采用Logistic回归模型进行多因素分析, 使用后退法筛选变量, 显著性检验水平为α =0.05。依照变量赋值, B值为正则该因素为风险因素, 为负则该因素为保护因素。OR值反映影响因素作用的大小。根据B值, 常数项值以及纳入模型变量建立方程, 预测术后2年根尖周有病变或根尖周病变未出现缩小的概率。

模型验证:对模型预测值与实际根尖周状态进行受试者工作特征(receiver operating characteristic, ROC)曲线分析, 计算ROC曲线下面积(area under ROC curve, AUC), 评价模型预测能力。以训练样本的AUC评估模型自身验证情况, 以验证样本的AUC反映模型外部验证结果。

2 结果
2.1 根管治疗后2年疗效回顾

360例研究样本中, 临床检查6例存在牙龈窦道, 8例叩诊不适, 其余346例(96%)患牙无临床症状或体征。影像学评价中, 两名评价者的自身一致性分别为0.78和0.85, 评价者之间一致性为0.79, 一致性检验显示评价者一致性良好。影像学疗效评价的总体情况为:术前无根尖病变的143例牙髓炎患牙中, 术后2年无根尖病变(保持健康根尖周状态)的患牙有125例(87.4%), 新出现根尖病变患牙18例(12.6%)。217例慢性根尖周炎患牙术后2年的影像学表现提示, 无根尖病变(恢复健康根尖周状态)患牙132例(60.8%), 仍存在根尖病变患牙85例, 其中病变缩小者61例(28.1%), 病变无明显变化或增大者24例(11.1%)。

2.2 以根尖周有/无病变为因变量建立疗效预测模型一

共纳入分析病例360例, 其中随机抽取243例(67%)为训练样本, 剩余的117例为验证样本。训练样本与验证样本的特征描述见表1。

表1 模型一(根尖周有/无病变)训练样本与验证样本的基本特征 Table 1 Characters of training dates and validating dates for model 1 (present or absence of periapical lesion)

多因素Logistic 回归建模, 模型信息详见表2。参与建模的危险因素包括术前有根尖病变、根管弯曲度超过25° 、根管充填长度超填以及根管充填欠致密。OR值提示:术前有根尖周病变患牙, 术后2年有根尖病变的风险是术前无根尖病变患牙的 9.13 倍; 根管弯曲度超过25° 的患牙与根管弯曲度在10° 以下的患牙相比, 术后2年有根尖病变的风险增高了3.24倍; 根管充填质量对疗效存在影响, 充填超填或充填欠致密时, 术后2年有根尖病变的风险分别增高了2.09倍和8.1倍。

表2 模型一(根尖周有/无病变)多因素Logistic分析结果 Table 2 Summary of results from multivariate Logistic regression for model 1 (present or absence of apical lesion)

根据表2所列参数, 建立模型如下:Logit(P)=-3.625+2.212x1+0.733x2+1.444x3+0.516x4+1.129x5+2.208x6, 其中P为术后2年有根尖周病变的概率, x1为术前有无根尖病变(无=0, 有=1), x2及x3为根管弯曲度(x2=0且x3=0, 根管弯曲度< 10° ; x2=1且x3=0, 根管弯曲度10° ~25° ; x2=0且x3=1, 根管弯曲度> 25° ), x4及x5为根管充填长度(x4=0且x5=0, 恰填; x4=1且x5=0, 欠填; x4=0且x5=1, 超填), x6为根管充填密度(致密=0, 欠致密=1)。

模型预测能力评价:训练样本AUC为0.802(95%CI:0.744~0.859), 该模型预测治疗后2年是否有根尖病变具有中等准确性, 最佳切点值为 0.31, 灵敏度为74.2%, 特异度为73.4%(图1)。用117例验证样本进行外部验证, 模型的灵敏度为71.3%, 特异度为55.3%, 预测结果的AUC为 0.688(图1)。

图1 模型一及模型二ROC曲线图Figure 1 ROC curve for model 1 and 2

模型预测应用:通过模型计算, 当患牙术前无根尖病变, 根管弯曲度在10° 以下, 根管充填长度恰填且密度致密时, 根管治疗后2年保持健康根尖周状态(根尖周没有新发病变)的概率最高, 达到97%。当患牙存在术前根尖病变, 根管弯曲度大于25° , 根管充填长度超填且密度欠致密(根管充填质量不佳)时, 根管治疗后2年病变愈合的概率最低(3%)。当牙髓炎患牙的根管重度弯曲, 根管充填质量好时, 术后2年保持健康根尖周状态的概率为90%, 但根管充填质量差时, 概率则下降至24%; 而同样是根管重度弯曲的慢性根尖周炎患牙, 根管充填质量好相比于质量差时, 术后2年根尖周病变愈合的概率增加了48%, 达到51%。

2.3 以根尖病变是/否缩小(包括消失)为因变量建立模型二

共纳入217例术前有根尖病变的患牙, 随机抽取151例(70%)为训练样本, 剩余的66例为验证样本。训练样本与验证样本的特征描述见表3。

表3 模型二(根尖周病变是/否缩小)训练样本与验证样本的基本特征 Table 3 Characters of training dates and validating dates for model 2 (absence and reduction of apical lesion)

多因素Logistic回归建立模型, 根管充填长度超填及欠致密为参与建模的危险因素(表4), 其中根管充填密度的影响程度更大, OR值为7.66, 根管充填长度的OR值为3.53。根据表3所列参数, 建立模型如下:Logit(P)=-2.86-0.658x1+1.261x2+2.036x3, 其中, P为术后2年病变不变或增大的概率, x1及x2为根管充填长度(x1=0且x2=0, 恰填; x1=1且x2=0, 欠填; x1=0且x2=1, 超填), x3为根管充填密度(致密=0, 欠致密=1)。

表4 模型二(根尖周病变是/否缩小)多因素Logistic分析结果 Table 4 Summary of results from multivariate Logistic regression for model 2 (absence and reduction of apical lesion)

模型预测能力评价:训练样本AUC为0.734(95%CI: 0.612~0.856), 该模型预测治疗后2年是否有根尖病变具有中等准确性, 最佳切点值为 0.11, 灵敏度为77.8%, 特异度为 61.7%(图1)。验证样本外部验证, 模型的灵敏度为66.7%, 特异度为60%, 预测结果的AUC为0.681(图1)。

模型预测应用:通过模型二计算, 有术前根尖周病变的患牙, 根管充填长度超填且不致密, 即根管充填质量差时, 预测其术后2年出现病变缩小的概率最低, 仅为39%; 而当根管充填质量好时, 术后2年病变缩小的概率高达95%。

3 讨论

本研究建立模型的数据来源于设计相对严格的临床疗效回顾性研究, 在该回顾性研究中, 为保证获得的疗效信息的可靠性, 对收集病例的术前诊断、治疗时间及复查时间进行了规定, 所有患牙的治疗均按照标准根管治疗程序进行, 且疗效评价由两名经过一致性检验的医师实施。

临床检查结合影像学检查是根管治疗疗效评价中应用最为普遍的评价方法[18]。但根管治疗后临床症状和体征的发生率常不足5%[19, 20, 21, 22], 在本研究中, 这一比例仅有4%。因此, 本研究以影像学评价结果作为疗效评价指标建立模型。

本研究用于建模的疗效信息中, 牙髓炎患牙术后无根尖病变比例为87.4%, 慢性根尖周炎患牙术后无根尖病变比例为60.8%, 病变好转(缩小及愈合)比例为89%。多伦多系列研究[19, 23, 24]中, 牙髓炎患牙和慢性根尖周炎患牙术后无根尖病变比例分别为92%~97%和74%~82%, 略高于本研究, 而病变好转比例与本研究基本一致(83%~92%), 其原因可能是由于采用了与本研究不同的判断病变有无的标准, 多伦多系列研究中根尖周指数(periapical index, PAI)指数1和2均视为无根尖病变, 但PAI指数2实际上代表着根尖周组织的轻度炎症和根尖周的小病变[25]。按照本研究疗效评价标准, 根尖周透射影宽度大于2倍正常根周膜, 宽度约为0.5 mm, 即视为存在根尖病变, 相比多伦多研究的宽松评价标准, 本研究的疗效评价标准更为严格。

针对根管治疗后2年疗效, 本研究分别建立了牙髓根尖周病患牙治疗后根尖病变有无以及慢性根尖周炎患牙病变是否缩小的疗效预测模型。之所以建立两项模型, 主要是由于目前关于根管治疗疗效的研究有两种观察终点, 即根尖周有/无病变以及病变是/否缩小[5, 19, 23, 24]。在经典文献及教科书中, 根管治疗的目的为保持或恢复健康的根尖周状态, 即以根尖周无病变为观察终点[1, 2, 3]。近年来, 随着研究的深入, 对根管系统解剖复杂性以及现有技术条件清创局限性的认识逐步加深[26, 27], 有研究者建议慢性根尖周炎患牙根管治疗的目的为最大程度地减少根管内感染, 促进病变愈合, 相应的观察终点为根尖病变缩小。病变缩小则意味着感染得到了有效控制, 不需要进行临床干预, 从而避免了一些不必要的再治疗[28]。因此, 本研究同时选择了两种观察终点, 从不同的角度建立模型, 为临床工作者提供参考。

以往研究建立模型的方法包括Logistic回归法[14, 15]、人工神经网络[10]以及贝叶斯网络[16]等, 本研究选择了Logistic回归建立根管治疗疗效模型, 主要是考虑到研究的样本量。本研究样本量为360例, 纳入分析的可能影响因素有9项, 满足了Logistic回归样本量为分析因素20~30倍的基本要求。而贝叶斯网络等方法多是用于大样本量的数据分析, 如Suebnukarn等[16]研究样本量多达8 000余例。本研究利用Logistic回归建立的模型具有中等准确性, 考虑临床中根管治疗的可能影响因素众多[5], 该模型的准确性处于合理范围内, 与其他同类研究获得的模型准确性基本一致[14, 15]。

根管治疗疗效的可能影响因素多达20余种[4, 5, 6], 将所有可能的影响因素全部纳入分析, 不仅意味着需要庞大的样本量, 同时因素间复杂的相互作用也可能使得分析难以进行。本研究通过初步筛查, 最终纳入分析的风险因素包括术前根尖病变有无、根管充填的质量、冠部封闭的质量、治疗次数等在相关疗效研究中关注较多或影响较为肯定的因素[5, 6, 7, 8, 20, 21]。

经逐步Logistic回归, 将术前根尖周有无病变、根管弯曲度、根管充填长度及密度纳入建模, 模型中大部分因素与Ng等[5]综合了60余篇研究权重分析后发现的影响因素一致。近期发表的另一项根管治疗疗效模型研究, 选择术前牙髓状态、根管充填质量以及医源性并发症三项因素参与建模[15], 其与本研究结果共同提示, 可利用牙髓根尖周组织的感染程度(术前牙髓根尖周状态)以及治疗中的感染控制水平(根管治疗的质量)这些关键指标预测根管治疗的疗效。

本研究中, 根管弯曲度作为变量参与了治疗后2年根尖周有/无病变预测模型的建立。已有研究发现, 根管弯曲度是影响根管治疗质量的因素之一[29], 在弯曲度大的根管中, 根管治疗的清创和充填难度增加, 医源性并发症(如根管偏移、侧穿或器械分离等)的发生率也更高[30]。采用平行投照根尖X线片评价根管弯曲度, 可反映根管在近远中向的弯曲情况, 但对于颊舌向弯曲的评价存在着局限性。偏移投照根尖X线片虽可以在一定程度上弥补不足, 但由于临床偏移投照角度有限, 受到影像重叠的影响, 可提供的辅助信息有限。近年来, 已有研究证实, 锥形束CT(cone-beam computed tomograghy, CBCT)评价根管弯曲度相比于根尖X线片具有更高的准确性[31]。

本研究发现, 术前有根尖病变的患牙, 其治疗后2年有根尖病变的风险, 是术前无病变患牙的9倍。术前存在根尖病变提示根管处于严重感染的状态, 相比于无根尖病变患牙, 根管治疗的感染控制难度增高[14]。此外, 在部分慢性根尖周炎患牙中, 根管外感染的存在也可能会影响病变的愈合[32]。从另一个角度考虑, 对于已存在的根尖病变, 其愈合是需要一定时间的动态过程, 延长观察时间常可观察到病变愈合比例升高[33]。因此, 如延长随访时间, 术前有根尖病变患牙与无病变患牙在治疗后无根尖病变比例的差距可能会逐渐缩小[19]。

除术前根尖周状态外, 根管充填的质量亦是一个重要的预测因素。本研究中建立的两项预测模型均包括了根管充填质量因素。根据模型预测结果, 即使是无术前根尖病变的活髓牙, 如根管治疗质量差, 术后2年保持健康根尖周状态的概率会比根管治疗质量好时下降达66%; 而对于慢性根尖周炎的患牙, 如能保证良好的根管充填质量, 术后2年根尖周组织恢复健康的概率达51%, 根尖病变好转概率高达95%, 可获得较为满意的疗效。由于良好的根管充填质量不仅是根管系统封闭情况的体现, 在一定程度上也反映了根管清创的水平, 而根管系统的彻底清创和严密封闭是获得健康根尖周状态的前提[26], 因此, 将根管充填质量作为预测根管治疗疗效的指标亦是合理的。

在根管治疗疗效影响因素的研究中, 修复体基牙作为一种可能的影响因素, 受到了一些研究的关注[5, 6], 但仅有两项研究发现作为修复体基牙会降低根管治疗后病变愈合率[7, 34]。本研究中纳入修复体基牙因素参与变量的初筛, 但由于纳入的360例样本中, 作为基牙的样本量仅有33例, 这一变量在初筛过程中即被删除, 未作为危险因素进入模型建立和分析过程, 基牙对疗效的影响有待于更大样本量研究进行评价。

本研究初步建立了根管治疗后2年疗效预测模型, 并对模型准确性进行了评价, 两项模型均具有中等程度的准确性, 有一定的临床应用价值。但本研究也存在着局限性, 首先, 由于研究中全部病例由牙体牙髓专科医生按照标准根管治疗程序完成, 操作者因素以及不同治疗程序的影响没有体现; 其次, 部分可能的影响因素, 如患者的全身健康状态、治疗中的医源性并发症等, 由于发生率低、样本量少, 并未纳入分析。随着研究的深入、研究范围的扩大和研究样本的增多, 有望纳入更多的影响因素, 并尝试使用人工神经网络等分析法进行更为全面的分析, 发现影响因素间的相互作用, 进一步提高模型预测的准确率。

The authors have declared that no competing interests exist.

参考文献
[1] Ørstavik D, Pitt Ford TR. Essential endodontology prevention and treatment of apical periodontitis[M]. London Oxford: Blackwell Science, 1998. [本文引用:2]
[2] Friedman S. Considerations and concepts of case selection in the management of post-treatment endodontic disease (treatment fai-lure)[J]. Endod Topics, 2002, 1(1): 54-78. [本文引用:2]
[3] Trope M. The vital tooth: its importance in the study and practice of endodontics[J]. Endod Topics, 2003, 5(1): 1-11. [本文引用:2]
[4] Ng YL, Mann V, Rahbaran S, et al. Outcome of primary root canal treatment: systematic review of the literature. Part 1: Effects of study characteristics on probability of success[J]. Int Endod J, 2007, 40(12): 921-939. [本文引用:2]
[5] Ng YL, Mann V, Rahbaran S, et al. Outcome of primary root canal treatment: systematic review of the literature. Part 2: Influence of clinical factors[J]. Int Endod J, 2008, 41(1): 6-31. [本文引用:7]
[6] Ng YL, Mann V, Gulabivala K. A prospective study of the factors affecting outcomes of non-surgical root canal treatment. Part 1: Periapical health[J]. Int Endod J, 2011, 44(7): 583-609. [本文引用:4]
[7] Sjögren U, Hägglund B, Sundqvist G, et al. Factors affecting the long-term results of endodontic treatment[J]. J Endod, 1990, 16(10): 498-504. [本文引用:3]
[8] Paredes-Vieyra J, Enriquez FJ. Success rate of single- versus two-visit root canal treatment of teeth with apical periodontitis: a rand omized controlled trial[J]. J Endod, 2012, 38(9): 1164-1169. [本文引用:2]
[9] Chugal NM, Clive JM, Spångberg LS. Endodontic treatment outcome: effect of the permanent restoration[J]. Oral Surg Oral Med Oral Pathol Oral Radiol Endod, 2007, 104(4): 576-582. [本文引用:1]
[10] Shaw RE, Anderson HV, Brindis RG, et al. Updated risk adjustment mortality model using the complete 1. 1 dataset from the American College of Cardiology National Cardiovascular Data Registry (ACC-NCDR)[J]. J Invasive Cardiol, 2003, 15(10): 578-580. [本文引用:2]
[11] O’Leary TJ, Tellado M, Buckner SB, et al. PAPNET-assisted rescreening of cervical smears: cost and accuracy compared with a 100% manual rescreening strategy[J]. JAMA, 1998, 279(9): 235-237. [本文引用:1]
[12] Abu-Hanna A, Lucas PJF. Prognostic models in medicine. AI and statistical approaches[J]. Methods Inf Med, 2001, 40(1): 1-5. [本文引用:1]
[13] 孙凤, 陶庆梅, 陶秋山, 等. 中国台湾地区35~74岁健检人群2型糖尿病患病率以及5年发病风险预测模型[J]. 中华疾病控制杂志, 2013, 17(5): 369-373. [本文引用:1]
[14] Chugal NM, Clive JM, Spångberg LSW. A prognostic model for assessment of the outcome of endodontic treatment: Effect of biologic and diagnostic variables[J]. Oral Surg Oral Med Oral Pathol Oral Radiol Endod, 2001, 91(3): 342-352. [本文引用:4]
[15] Azim AA, Griggs JA, Huang GT. The Tennessee study: factors affecting treatment outcome and healing time following nonsurgical root canal treatment[J]. Int Endod J, 2016, 49(1): 6-16. [本文引用:4]
[16] Suebnukarn S, Rungcharoenporn N, Sangsuratham S. A Bayesian decision support model for assessment of endodontic treatment outcome[J]. Oral Surg Oral Med Oral Pathol Oral Radiol Endod, 2008, 106(3): 48-58. [本文引用:3]
[17] Schneider SW. Comparison of canal preparation in straight and curved root canals[J]. Oral Surg Oral Med Oral Pathol, 1971, 32(2): 271-275. [本文引用:1]
[18] Ingle JI, Bakland LK, Baumgartner JC. Ingle’s Endodontics[M]. 6th ed. Hamilton: BC Decker Inc, 2008. [本文引用:1]
[19] Marquis VL, Dao T, Farzaneh M, et al. Treatment outcome in endodontics: the Toronto Study-phase: initial treatment[J]. J Endod, 2006, 32(4): 299-306. [本文引用:4]
[20] Liang YH, Li G, Wesselink PR, et al. Endodontic outcome predictors identified with periapical radiographs and cone-beam computed tomography scans[J]. J Endod, 2011, 37(3): 326-331. [本文引用:2]
[21] Liang YH, Li G, Shemesh H, et al. The association between complete absence of post-treatment periapical lesion and quality of root canal filling[J]. Clin Oral Invest, 2012, 16(6): 1619-1626. [本文引用:2]
[22] Liang YH, Jiang LM, Jiang L, et al. Radiographic healing after a root canal treatment performed in single-rooted teeth with and without ultrasonic activation of the irrigant: a rand omized controlled trial[J]. J Endod, 2013, 39(10): 1218-1225. [本文引用:1]
[23] Friedman S, Abitbol S, Lawrence HP. Treatment outcome in endodontics: the Toronto Study. Phase 1: initial treatment[J]. J Endod, 2003, 29(12): 787-793. [本文引用:2]
[24] de Chevigny C, Dao TT, Basrani BR, et al. Treatment outcome in endodontics: the Toronto study. Phase 4: Initial treatment[J]. J Endod, 2008, 34(3): 258-263. [本文引用:2]
[25] Wu MK, Shemesh H, Wesselink P. Limitations of previously published systematic reviews evaluating the outcome of endodontic treatment[J]. Int Endod J, 2009, 42(8): 656-666. [本文引用:1]
[26] Haapasalo M, Shen Y, Ricucci D. Reasons for persistent and emerging post-treatment endodontic disease[J]. Endod Topics, 2008, 18(1): 31-50. [本文引用:2]
[27] Nair PNR, Henry S, Cano V, et al. Microbial status of apical root canal system of human mand ibular first molars with primary apical periodontitis after ‘one-visit’ endodontic treatment[J]. Oral Surg Oral Med Oral Pathol Oral Radiol Endod, 2005, 99(2): 231-252. [本文引用:1]
[28] Wu MK, Wesselink P, Shemesh H. New terms for categorizing the outcome of root canal treatment[J]. Int Endod J, 2011, 44(11): 1079-1080. [本文引用:1]
[29] Eleftheriadis GI, Lambrianidis TP. Technical quality of root canal treatment and detection of iatrogenic errors in an undergraduate dental clinic[J]. Int Endod J, 2005, 38(10): 725-734. [本文引用:1]
[30] Gao Y, Cheung GS, Shen Y, et al. Mechanical behavior of ProTaper universal F2 finishing file under various curvature conditions: a finite element analysis study[J]. J Endod, 2011, 37(10): 1446-1450. [本文引用:1]
[31] Park PS, Kim KD, Perinpanayagam H, et al. Three-dimensional analysis of root canal curvature and direction of maxillary lateral incisors by using cone-beam computed tomography[J]. J Endod, 2013, 39(9): 1124-1129. [本文引用:1]
[32] Tronstad L, Sunde PT. The evolving new understand ing of endodontic infections[J]. Endod Topics, 2003, 6(1): 57-77. [本文引用:1]
[33] Ørstavik D. Time-course and risk analyses of the development and healing of chronic apical periodontitis in man[J]. Int Endod J, 1996, 29(3): 150-155. [本文引用:1]
[34] Matsumoto T, Nagai T, Ida Km Ito M, et al. Factors affecting successful prognosis of root canal treatment[J]. J Endod, 1987, 13(5): 239-242. [本文引用:1]