基于机器学习的四川省12岁儿童龋齿预测模型

doi:10.7518/hxkq.2023.2023124

华西口腔医学杂志 ›› 2023, Vol. 41 ›› Issue (6): 686-693.doi: 10.7518/hxkq.2023.2023124

基于机器学习的四川省12岁儿童龋齿预测模型

严鑫淼¹(), 孙桃兰¹, 卢雨航¹, 谭馨¹, 王卓², 李淼晶³()

^1.成都医学院公共卫生学院，成都 610500
^2.四川省疾病预防控制中心，成都 610500
^3.成都医学院大健康与智能工程学院，成都 610500

收稿日期:2023-04-19 修回日期:2023-08-14 出版日期:2023-12-01 发布日期:2023-11-27
通讯作者: 李淼晶 E-mail:yanxinmiao@cmc.edu.cn;limiaojing@aliyun.com
作者简介:严鑫淼，硕士，E-mail：yanxinmiao@cmc.edu.cn
基金资助:
四川省卫生健康委员会科研课题(20PJ122)

Prediction model of dental caries in 12-year-old children in Sichuan Province based on machine learning

Yan Xinmiao¹(), Sun Taolan¹, Lu Yuhang¹, Tan Xin¹, Wang Zhuo², Li Miaojing³()

^1.School of Public Health, Chengdu Medical College, Chengdu 610500, China
^2.Sichuan Center for Disease Control and Prevention, Chengdu 610500, China
^3.College of Health and Intelligent Engineering, Chengdu Medical College, Chengdu 610500, China

Received:2023-04-19 Revised:2023-08-14 Online:2023-12-01 Published:2023-11-27
Contact: Li Miaojing E-mail:yanxinmiao@cmc.edu.cn;limiaojing@aliyun.com
Supported by:
Scientific Research Project of Sichuan Provincial Health Commission(20PJ122);Correspondence: Li Miaojing, E-mail: limiaojing@aliyun.com

摘要/Abstract

摘要：

目的采用机器学习算法构建儿童龋齿预测模型，寻找儿童龋齿的危险因素，有针对性地提出儿童口腔健康改善措施、政策建议。方法采用分层整群随机抽样方法，根据四川省各地开展政策措施不同，在四川省8个市中随机抽取3~4所中学的12岁在校学生进行问卷调查、口腔检查和体格检查，采用多因素Logistic回归分析12岁儿童龋齿的危险因素。将数据集按7∶3随机分为训练集和验证集，使用R 4.1.1构建随机森林、决策树、极致梯度提升和Logistic回归4种机器学习算法，应用受试者工作特征（ROC）曲线下面积（AUC）评估４种预测模型的预测效果。结果研究共纳入符合标准的12岁儿童4 439例，其中恒牙患龋率为50.93%。多因素Logistic回归分析结果显示，身体质量指数、父亲最高学历、母亲最高学历、是否刷牙、每天刷几次牙、刷牙时使用牙膏、刷牙时长、饭后漱口、刷牙后睡前进食、甜饮料、零食、去牙科诊所看牙、几岁刷牙与儿童龋齿存在关联（P<0.05）。随机森林、决策树、Logistic回归、极致梯度提升预测儿童龋齿的AUC值分别为0.840、0.755、0.799、0.794，在随机森林模型中，贡献度最高的变量为刷牙后睡前进食。结论基于随机森林建立了一个儿童龋齿的预测模型，具有较好的预测效果。在此基础上有针对性地对影响儿童龋齿发生的主要影响因素采取预防措施有利于降低儿童龋齿的发生率。

关键词: 儿童龋齿, 机器学习, 随机森林, 影响因素, 预测模型

Abstract:

Objective The machine learning algorithm was used to construct a prediction model of children’s dental caries to determine the risk factors of dental caries in children and put forward targeted measures and policy suggestions to improve children’s oral health. Methods Stratified cluster random sampling was adopted in this study. In accordance with different policies and measures in Sichuan Province, 12-year-old students from 3-4 middle schools in eight cities of Sichuan Province were randomly selected for questionnaire survey, oral examination, and physical examination. Multivariate logistic regression analysis of risk factors for dental caries in 12-year-old children was conducted. The dataset was randomly divided into training set and validation set at a ratio of 7∶3. Four machine learning algorithms, including random forest, decision tree, extreme gradient boosting (XGBoost), and Logistic regression, were constructed using R version 4.1.1, and the prediction effects of the four prediction models were evaluated using the area under receiver operating characteristic curve (AUC). Results A total of 4 439 children aged 12 years were included in this study. The incidence of permanent teeth caries was 50.93%. The results of multivariate logistic regression analysis showed that body mass index, highest educational background of the father, highest educational background of the mother, whether to brush teeth, how many times a day, use of toothpaste when brushing teeth, duration of brushing teeth, mouthwash after meals, eating before going to bed after brushing teeth, sweet drinks, snacks, going to dental clinic to examine teeth, and age of brushing teeth were the factors influencing children’s dental caries (P<0.05). The AUC values predicted by random forest, decision tree, Logistic regression, and XGBoost were 0.840, 0.755, 0.799, and 0.794, respectively. In the random forest model, the variable with the highest contribution was eating before bed after brushing. Conclusion A prediction model of dental caries in children was established on the basis of random forest, showing good prediction effect. Taking preventive measures for the main factors affecting the occurrence of dental caries in children is beneficial.

Key words: children caries, machine learning, random forest, influencing factor, prediction model

中图分类号:

R 788

严鑫淼, 孙桃兰, 卢雨航, 谭馨, 王卓, 李淼晶. 基于机器学习的四川省12岁儿童龋齿预测模型[J]. 华西口腔医学杂志, 2023, 41(6): 686-693.

Yan Xinmiao, Sun Taolan, Lu Yuhang, Tan Xin, Wang Zhuo, Li Miaojing. Prediction model of dental caries in 12-year-old children in Sichuan Province based on machine learning[J]. West China Journal of Stomatology, 2023, 41(6): 686-693.

图/表 5

表 1

四川省12岁儿童龋齿相关因素基本情况及单因素分析结果

因素	总例数/［n（%）］	患龋/［n（%）］	$χ 2$ 值	P值	因素	总例数/［n（%）］	患龋/［n（%）］	$χ 2$ 值	P值
性别			0.065	0.799	饭后漱口			244.662	<0.001
女性	2 218（49.97）	1 125（50.72）			漱口	2 189（49.31）	854（39.01）
男性	2 221（50.03）	1 136（51.15）			偶尔或从不	2 250（50.69）	1 407（62.53）
BMI			18.005	<0.001	刷牙后睡前进食			346.961	<0.001
正常	3 417（76.98）	1 784（52.21）			经常吃（1周1次以上）	526（11.85）	441（83.84）
超重	607（13.67）	306（50.41）			偶尔吃（1周1次以下）	1 638（36.90）	907（55.37）
肥胖	415（9.35）	171（41.20）			不吃	2 275（51.25）	913（40.13）
父亲最高学历			89.416	<0.001	甜点心及糖果			13.603	0.018
初中及以下	2 785（62.74）	1 555（55.83）			很少/从不	987（22.23）	462（46.81）
高中、中专或大专	1 483（33.41）	659（44.44）			每月1~3次	640（14.42）	314（49.06）
本科及以上	171（3.85）	124（72.51）			每周1次	791（17.82）	383（48.42）
母亲最高学历			192.523	<0.001	每周2~6次	973（21.92）	510（52.42）
初中及以下	2 995（67.47）	1 742（58.16）			每天1次	623（14.03）	330（52.97）
高中、中专或大专	1 287（28.99）	464（36.05）			每天≥2次	425（9.57）	237（55.76）
本科及以上	157（3.54）	102（64.97）			甜饮料			15.491	0.008
是否刷牙			247.064	<0.001	很少/从不	1 237（27.87）	590（47.70）
是	4 017（90.49）	1 892（47.10）			每月1~3次	960（21.63）	491（51.15）
偶尔或从不	422（9.51）	369（87.44）			每周1次	839（18.90）	428（51.01）
刷牙次数			4.991	0.082	每周2~6次	782（17.62）	417（53.32）
每天刷2次及以上	2 575（58.01）	1 348（52.35）			每天1次	393（8.85）	197（50.13）
每天刷1次	1 686（37.98）	824（48.87）			每天≥2次	228（5.14）	138（60.53）
不是每天刷	178（4.01）	89（50.00）			零食			10.03	0.074
刷牙时使用牙膏			1.877	0.171	很少/从不	643（14.49）	317（49.30）
是	4 370（98.45）	2 232（51.08）			每月1~3次	690（15.54）	333（48.26）
否	69（1.55）	29（42.03）			每周1次	896（20.18）	440（49.11）
刷牙方法			3.589	0.309	每周2~6次	1 060（23.88）	554（52.26）
横刷法	2 166（48.79）	1 118（51.62）			每天1次	705（15.88）	390（55.32）
竖刷法	396（8.92）	202（51.01）			每天≥2次	445（10.02）	227（51.01）
转圈法	427（9.62）	229（53.63）			去牙科诊所看牙			34.562	<0.001
没有固定方法	1 450（32.67）	712（49.10）			看过	1 956（44.06）	1 094（55.93）
刷牙时长			1.411	0.494	从来没	2 483（55.94）	1 167（47.00）
1 min	891（20.07）	446（50.06）			几岁刷牙			3.995	0.046
2~3 min	2 972（66.95）	1 509（50.77）			3岁及以下	2 648（65.85）	1 372（51.81）
>3 min	576（12.98）	306（53.13）			4岁及以上	1 373（34.15）	665（48.43）

表 1

表 2

四川省12岁儿童龋齿相关因素的多因素Logistic回归分析

因素	B值	SE值	Wald值	P值	OR（95%CI）值
BMI（正常为对照组）
超重	-0.202	0.107	3.552	0.059	0.817（0.662，1.008）
肥胖	-0.413	0.128	10.449	0.001	0.662（0.515，0.850）
父亲的最高学历（初中及以下为对照组）
高中、中专或大专	-0.133	0.081	2.746	0.097	0.875（0.747，1.025）
本科及以上	-1.278	0.229	31.195	<0.001	0.279（0.178，0.436）
母亲的最高学历（初中及以下为对照组）
高中、中专或大专	-0.880	0.086	105.830	<0.001	0.415（0.351，0.491）
本科及以上	-0.579	0.216	7.219	0.007	0.56（0.367，0.855）
是否刷牙（刷牙为对照组）
偶尔或从不刷牙	2.569	0.202	161.005	<0.001	13.05（8.776，19.406）
每天刷几次牙（每天刷2次及以上为对照组）
每天刷1次	-0.308	0.078	15.721	<0.001	0.735（0.631，0.856）
不是每天刷	-0.446	0.196	5.174	0.022	0.64（0.436，0.940）
刷牙时使用牙膏（是为对照组）
否	-2.379	0.355	44.870	<0.001	0.093（0.046，0.186）
刷牙方法（横刷法为对照组）
竖刷法	0.172	0.131	1.715	0.190	1.187（0.918，1.535）
转圈法	0.201	0.126	2.539	0.111	1.223（0.955，1.566）
没有固定方法	-0.145	0.083	3.081	0.079	0.865（0.736，1.017）
刷牙时长（1 min为对照组）
2~3 min	0.243	0.095	6.605	0.010	1.275（1.059，1.535）
>3 min	0.501	0.134	13.911	<0.001	1.651（1.269，2.148）
饭后漱口（漱口为对照组）
偶尔或从不	0.928	0.076	147.693	<0.001	2.53（2.178，2.939）
刷牙后睡前进食［经常吃（1周1次以上）为对照组］
偶尔吃（1周1次以下）	-1.379	0.146	89.024	<0.001	0.252（0.189，0.335）
不吃	-1.868	0.144	167.269	<0.001	0.154（0.116，0.205）
甜饮料（很少/从不为对照组）
每月1~3次	0.193	0.107	3.231	0.072	1.213（0.983，1.496）
每周1次	0.185	0.113	2.685	0.101	1.204（0.964，1.503）
每周2~6次	0.188	0.118	2.526	0.112	1.207（0.957，1.522）
每天1次	0.106	0.145	0.534	0.465	1.112（0.837，1.478）
每天≥2次	0.598	0.184	10.571	0.001	1.818（1.268，2.606）
零食（很少/从不为对照组）
每月1~3次	-0.179	0.135	1.765	0.184	0.836（0.642，1.089）
每周1次	-0.081	0.129	0.397	0.529	0.922（0.716，1.187）
每周2~6次	-0.097	0.127	0.581	0.446	0.908（0.707，1.165）
每天1次	0.057	0.138	0.170	0.680	1.058（0.808，1.386）
每天≥2次	-0.491	0.161	9.361	0.002	0.612（0.447，0.838）
去牙科诊所看牙（看过为对照组）
从来没	-0.475	0.074	41.169	<0.001	0.622（0.538，0.719）
几岁刷牙（3岁及以下为对照组）
4岁及以上	-0.176	0.077	5.287	0.021	0.839（0.722，0.974）

表 2

表 3

图 1

图 2

参考文献 33

1	Selwitz RH, Ismail AI, Pitts NB. Dental caries[J]. Lancet, 2007, 369(9555): 51-59.
2	Vos MB, Kaar JL, Welsh JA, et al. Added sugars and cardiovascular disease risk in children: a scientific statement from the American heart association[J]. Circulation, 2017, 135(19): e1017-e1034.
3	Novotna M, Podzimek S, Broukal Z, et al. Periodontal diseases and dental caries in children with type 1 diabetes mellitus[J]. Mediators Inflamm, 2015, 2015: 379626.
4	Alsadat FA, Alamoudi NM, El-Housseiny AA, et al. Oral and dental manifestations of celiac disease in children: a case-control study[J]. BMC Oral Health, 2021, 21(1): 669.
5	马军, 陶茂萱. 儿童青少年健康知识手册[M]. 北京: 北京大学医学出版社, 2018.
	Ma J, Tao MX. Handbook of health knowledge for children and adolescents[M]. Beijing: Peking University Me-dical Press, 2018.
6	王兴. 第四次全国口腔健康流行病学调查报告[M]. 北京: 人民卫生出版社, 2018.
	Wang X. Report on the fourth national epidemiological survey of oral health[M]. Beijing: People’s Health Publishing House, 2018.
7	王卓, 邓颖, 何君, 等. 2014年四川省口腔卫生综合示范区建设工作分析[J]. 职业卫生与病伤, 2015, 30(5): 269-271.
	Wang Z, Deng Y, He J, et al. Work analysis on provincial demonstration areas for oral hygiene in Sichuan, 2014[J]. J Occup Health Damage, 2015, 30(5): 269-271.
8	Battineni G, Sagaro GG, Chinatalapudi N, et al. Applications of machine learning predictive models in the chronic disease diagnosis[J]. J Pers Med, 2020, 10(2): 21.
9	Khanagar SB, Al-Ehaideb A, Maganur PC, et al. Deve-lopments, application, and performance of artificial intelligence in dentistry—A systematic review[J]. J Dent Sci, 2021, 16(1): 508-522.
10	Sadegh-Zadeh SA, Rahmani Qeranqayeh A, Benkhalifa E, et al. Dental caries risk assessment in children 5 years old and under via machine learning[J]. Dent J (Basel), 2022, 10(9): 164.
11	Napolitano G, Marshall A, Hamilton P, et al. Machine learning classification of surgical pathology reports and chunk recognition for information extraction noise reduction[J]. Artif Intell Med, 2016, 70: 77-83.
12	World Health Organization. Oral health surveys: basic methods[M]. 5th ed. Geneva: World Health Organization, 2013.
13	中华人民共和国国家卫生和计划生育委员会. 口腔健康调查检查方法: [S]. 北京: 中国标准出版社, 2015.
	National Health and Family Planning Commission of the People’s Republic of China. Oral health survey—Exa-mination methods: [S]. Beijing: Standards Press of China, 2015.
14	中华人民共和国国家卫生和计划生育委员会. 学龄儿童青少年超重与肥胖筛查: [S]. 北京: 中国标准出版社, 2018.
	National Health and Family Planning Commission of the People’s Republic of China. Screening for overweight and obesity among school-age children and adolescents: [S]. Beijing: Standards Press of China, 2018.
15	Hu Z, Yan XJ, Song Y, et al. Trends of dental caries in permanent teeth among 12-year-old Chinese children: e-vidence from five consecutive national surveys between 1995 and 2014[J]. BMC Oral Health, 2021, 21(1): 467.
16	Zhu FD, Chen Y, Yu YX, et al. Caries prevalence of the first permanent molars in 6-8 years old children[J]. PLoS One, 2021, 16(1): e0245345.
17	国务院办公厅. 国务院办公厅关于印发中国防治慢性病中长期规划(2017—2025年)的通知[R/OL]. (2017-01-22) [2017-02-14], .
	General Office of the State Council. Notice of the general office of the state council on printing and distributing the long-term plan for the prevention and treatment of chronic diseases in China (2017-2025)[R/OL]. (2017-01-22) [2017-02-14], .
18	马婷, 孟凡琦, 韩婧, 等. 乌鲁木齐市3~5岁儿童龋病相关因素的主成分分析[J]. 口腔疾病防治, 2023, 31(3): 179-185.
	Ma T, Meng FQ, Han J, et al. Principal component analysis of dental caries related factors among 3- to 5-year-old children in Urumqi City[J]. J Prev Treat Stomatol Dis, 2023, 31(3): 179-185.
19	葛立宏. 儿童口腔医学[M]. 2版. 北京: 北京大学医学出版社, 2013.
	Ge LH. Pediatric dentistry[M]. 2nd ed. Beijing: Peking University Medical Press, 2013.
20	Touger-Decker R, van Loveren C. Sugars and dental caries[J]. Am J Clin Nutr, 2003, 78(4): 881S-892S.
21	Hong JL, Whelton H, Douglas G, et al. Consumption frequency of added sugars and UK children’s dental caries[J]. Community Dent Oral Epidemiol, 2018, 46(5): 457-464.
22	Zeng LW, Zeng YX, Zhou Y, et al. Diet and lifestyle habits associated with caries in deciduous teeth among 3- to 5-year-old preschool children in Jiangxi Province, China[J]. BMC Oral Health, 2018, 18(1): 224.
23	Qin YD, Zhang R, Yuan B, et al. Structural equation mo-delling for associated factors with dental caries among 3-5-year-old children: a cross-sectional study[J]. BMC O-ral Health, 2019, 19(1): 102.
24	Andlaw RJ. Oral hygiene and dental caries: a review[J]. Int Dent J, 1978, 28(1): 1-6.
25	Vachirarojpisan T, Shinada K, Kawaguchi Y, et al. Early childhood caries in children aged 6-19 months[J]. Commun Dent Oral Epidemiol, 2004, 32(2): 133-142.
26	曹新. 口腔卫生与儿童龋齿的预防[J]. 中国卫生产业, 2015, 12(2): 77, 79.
	Cao X. Oral hygiene and prevention of dental caries in children[J]. China Heal Ind, 2015, 12(2): 77, 79.
27	曹志茹. 北戴河区农村幼儿园3~6岁儿童龋齿发病情况分析[J]. 中国妇幼保健, 2013, 28(6): 955-956.
	Cao ZR. Analysis on the incidence of dental caries among 3-6 year old children in rural kindergartens in Beidaihe District[J]. Mat Child Heal Care China, 2013, 28(6): 955-956.
28	鲁姝梅. 儿童替牙期龋齿发生与饮食、口腔卫生习惯的相关性分析[J]. 中国初级卫生保健, 2015, 29(12): 38-39.
	Lu SM. Correlation analysis of phase for dental caries in children with food, oral hygiene habits under dental transitional period[J]. Chin Prim Heal Care, 2015, 29(12): 38-39.
29	Zeng LW, Peng YJ, Xu TT, et al. Dental caries and as-sociated factors among adolescents aged 12 to 15 in Jiangxi Province, China[J]. J Public Health Dent, 2020, 80(3): 217-226.
30	Mathur VP, Dhillon JK, Logani A, et al. Development and validation of oral health-related early childhood qua-lity of life tool for North Indian preschool children[J]. Indian J Dent Res, 2014, 25(5): 559-566.
31	秦丹, 姜浩丰, 沈露, 等. 重庆市10~12岁儿童第一恒磨牙患龋情况及相关因素分析[J]. 华西口腔医学杂志, 2019, 37(6): 608-614.
	Qin D, Jiang HF, Shen L, et al. Prevalence of dental ca-ries and associated factors among 10-12-year-old students in Chongqing[J]. West China J Stomatol, 2019, 37(6): 608-614.
32	Chen C, Zhang FL, Wang R. Dental caries experience and related risk indicators of 12-year-old students in Jilin, China[J]. Medicine, 2020, 99(28): e20988.
33	Li J, Zhang KQ, Lu ZF. Prevalence and factors contribu-ting to dental caries in 12-15-year-old school adolescents in northeast China[J]. BMJ Open, 2021, 11(11): e-044758.

模型	准确性	精确度	灵敏度	特异度	AUC
随机森林	0.779	0.739	0.854	0.706	0.840
决策树	0.662	0.618	0.818	0.509	0.755
Logistic回归	0.729	0.703	0.784	0.676	0.799
极致梯度提升	0.727	0.705	0.768	0.686	0.794

[1]	吴侃, 李巍铭, 钟亦思, 程立, 唐甜, 尹伟. 成都市社区中老年人口腔健康相关生活质量评价及其影响因素分析[J]. 华西口腔医学杂志, 2022, 40(4): 440-445.
[2]	林超, 张心怡, 田洪雨, 栾可峰, 孙昊, 范欣. 潍坊市7~8岁儿童口腔卫生服务利用影响因素研究[J]. 华西口腔医学杂志, 2022, 40(2): 197-203.
[3]	孙国芳, 吴侃, 胡涛, 包崇云, 钟亦思, 尹伟. 成都市社区居民对口腔家庭医生服务模式签约意愿及其影响因素分析[J]. 华西口腔医学杂志, 2022, 40(1): 80-85.
[4]	陈益燕, Pradan Siras Prasad, 杨锦波. 302例显微根尖手术的回顾性研究[J]. 华西口腔医学杂志, 2021, 39(4): 458-463.
[5]	常乐, 徐静晨, 王翔宇, 陈嵩. 太原市养老机构老年人口腔健康状况的调查分析[J]. 华西口腔医学杂志, 2021, 39(2): 175-181.
[6]	张佳丽, 姚军, 仁青措姆, 许元泓. 西藏昌都市3~5岁儿童龋病及其影响因素调查分析[J]. 华西口腔医学杂志, 2021, 39(1): 53-57.
[7]	梅宏翔, 程俊豪, 李一洲, 马凰税, 张恺文, 寿宇珂, 李杨. 机器学习在颌面部囊肿及肿瘤中应用的研究进展[J]. 华西口腔医学杂志, 2020, 38(6): 687-691.
[8]	王晓华,刘艾芃,邓文正. 数字化导板在口腔种植中的研究进展[J]. 华西口腔医学杂志, 2020, 38(1): 95-100.
[9]	王静雪,杨正艳,吴晓艳,蔡婷,邓力,吕晓燕,丁贤彬,周智. 重庆市主城区学龄前儿童患龋情况及口腔卫生服务需要、利用情况和影响因素的研究[J]. 华西口腔医学杂志, 2019, 37(2): 187-192.
[10]	高原,张雨,周学东,黄定明. 根管预备感染控制之惑与解惑之道[J]. 华西口腔医学杂志, 2018, 36(6): 590-594.
[11]	邱昱, 李媛媛, 李天国, 陈怡歌, 孔静珺, 潘剑. 四川省口腔医生急救知识水平及影响因素调查[J]. 华西口腔医学杂志, 2018, 36(2): 199-203.
[12]	李晋蒙, 欧国敏. 计算机辅助设计种植导板精确性及其影响因素[J]. 华西口腔医学杂志, 2017, 35(1): 93-98.
[13]	陈稳,张艳艳,姜京徽,张静娴,单学鹏,瞿星,华成舸,. 成都市儿童口腔医疗保险影响因素研究[J]. 华西口腔医学杂志, 2015, 33(6): 593-596.
[14]	黄山娟王岐麟陈洁葛立宏刘鹤. 242颗牙本质折断恒牙牙髓预后及影响因素的回顾性分析[J]. 华西口腔医学杂志, 2013, 31(3): 275-278.
[15]	李宇飞田慧颖王晓霞. 初次根管治疗愈合率和影响因素分析[J]. 华西口腔医学杂志, 2012, 30(1): 61-64.

基于机器学习的四川省12岁儿童龋齿预测模型

Prediction model of dental caries in 12-year-old children in Sichuan Province based on machine learning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 33

相关文章 15

编辑推荐

Metrics

本文评价