Machine learning-based prediction model for caries in the first molars of 9-year-old children in Suzhou

doi:10.7518/hxkq.2025.2025135

Abstract

Abstract:

Objective This study aimed to use machine learning algorithms to build a prediction model of the first permanent molar caries of 9-year-old children in Suzhou and screen out risk factors. Methods Random stratified whole group sampling was applied to randomly select 9-year-old students from 38 primary schools in 14 townships and streets in Wuzhong District for oral examination and questionnaire survey. Multifactor Logistics regression was used to analyze the risk factors of tooth decay. The data set was randomly divided into training sets and verification sets according to 8∶2, and R 4.3.1 was used to build five machine learning algorithms: random forest, decision tree, extreme gradient boosting (XGBoost), Logistics regression, and lightweight gradient enhancement (LightGBM). The predictive effect of these five models was evaluated using the area under the characteristic curve (AUC). The marginal contribution of quantitative characteristics to the caries prediction model was determined through Shapley additive explanations (SHAP). Results This study included 7 225 samples that met the standard. The caries rate of the first permanent molar was 54.96%. Multifactor Logistic regression analysis showed that sweet drinks, dessert and candy, snack frequency, and snacks before going to bed after brushing teeth were correlated with the occurrence of first permanent molar caries (P<0.05). The AUC values of decision tree, Logistic regression, LightGBM, random forest, and XGBoost were 75.5%, 83.9%, 88.6%, 88.9%, and 90.1%, respectively. Compared with the variables after single heat coding, the SHAP value of high-frequency sweets (such as dessert candy ≥2 times a day, mother’s sugary diet ≥2 times a day) and bad oral hygiene habits (such as frequent snacks before going to bed after brushing teeth and irregular brushing teeth) exhibited the highest positive. Conclusion XGBoost algorithm has a good prediction effect for first permanent molar caries in 9-year-old children. High-frequency sweet factors and bad oral hygiene habits have a strong positive impact on the risk of first permanent molar caries and are key drivers that can be used in the formulation of targeted interventions.

Key words: first permanent molar, machine learning, influencing factor, prediction model

CLC Number:

781.1

Chen Lingzhi, Wang Xiaqin, Zhu Kaifei, Ren Kun, Wu Zhen. Machine learning-based prediction model for caries in the first molars of 9-year-old children in Suzhou[J]. West China Journal of Stomatology, 2025, 43(6): 871-880.

Figures/Tables 6

Tab 1

Basic situation and single-factor analysis results of the relevant factors of first permanent molar caries in children in Suzhou

因素	总例数/［n（%）］	患龋/［n（%）］	χ ² 值	P值
性别			3.097	0.078
男	3 842（53.18）	2 074（53.98）
女	3 383（46.82）	1 897（56.07）
籍贯			62.868	2.21E-15
迁入	3 138（43.43）	1 558（49.65）
苏州	4 087（56.57）	2 413（59.04）
甜饮料			381.733	2.56E-80
很少/从不	812（11.24）	362（44.58）
每月1~3次	1 062（14.70）	463（43.60）
每周1次	1 560（21.59）	718（46.03）
每周2~6次	2 101（29.08）	1 183（56.31）
每天1次	1 238（17.13）	908（73.34）
每天≥2次	452（6.26）	337（74.56）
甜点心和糖果			424.121	1.87E-89
很少/从不	1 074（14.87）	472（43.95）
每月1~3次	1 228（17.00）	566（46.09）
每周1次	1 427（19.75）	674（47.23）
每周2~6次	1 817（25.15）	987（54.32）
每天1次	775（10.73）	566（73.03）
每天≥2次	904（12.51）	706（78.10）
零食频率			775.092	2.83E-16
很少/从不	1 525（21.11）	575（37.70）
每月1~3次	799（11.06）	281（35.17）
每周1次	907（12.55）	457（50.39）
每周2~6次	2 619（36.25）	1 525（58.23）
每天1次	888（12.29）	685（77.14）
每天≥2次	487（6.74）	448（91.99）
刷牙后睡前零食			560.941	1.56E-12
不吃	3 619（50.09）	1 671（46.17）
偶尔	2 323（32.15）	1 220（52.52）
经常	1 283（17.76）	1 080（84.18）
几岁起刷牙/岁			98.633	1.92E-20
2	1 467（20.30）	694（47.31）
3	2 572（35.60）	1 338（52.02）
4	1 562（21.62）	913（58.45）
5	1 055（14.60）	683（64.74）
6	569（7.88）	343（60.28）
定期牙科诊所			813.410	6.55E-17
否	2 706（37.45）	903（33.37）
是	4 519（62.55）	3 068（67.89）
刷几次牙			220.263	1.48E-4
不是每天刷	611（8.46）	403（65.96）
每天1次	1 954（27.04）	1 307（66.89）
每天2次及以上	4 660（64.50）	2 261（48.52）
刷牙时长/min			4.781	0.091
1	1 872（25.91）	1 063（56.78）
2~3	4 179（57.84）	2 288（54.75）
≥3	1 174（16.25）	620（52.81）
母亲患龋			20.873	4.91E-06
否	2 952（40.86）	1 527（51.73）
是	4 273（59.14）	2 444（57.20）
母亲最高学历			9.669 6	0.007 9
初中及以下	20（0.28）	14（70.00）
高中、中专及大专	5 315（73.56）	2 867（53.94）
本科及以上	1 890（26.16）	1 090（57.67）
母亲含糖饮食频率			154.057	1.83E-31
很少/从不	648（8.97）	338（52.16）
每月1~3次	477（6.60）	290（60.80）
每周1次	1 409（19.50）	602（42.73）
每周2~6次	3 353（46.41）	924（57.38）
每天1次	1 008（13.95）	571（56.65）
每天≥2次	330（4.57）	246（74.55）
母亲刷牙频率			26.545	1.72E-06
不是每天刷	47（0.65）	34（72.34）
每天1次	1 918（26.55）	1 137（59.28）
每天2次及以上	5 260（72.80）	2 800（53.23）
父亲患龋			13.805	0.000 2
否	3 935（54.46）	2 084（52.96）
是	3 290（45.54）	1 887（57.36）
父亲最高学历			5.25	0.072 4
初中及以下	45（0.62）	27（60.00）
高中、中专及大专	4 998（69.18）	2 703（54.08）
本科及以上	2 182（30.20）	1 241（56.87）
父亲刷牙频率			11.16	0.003 7
不是每天刷	76（1.05）	37（48.68）
每天1次	2 011（27.83）	1 047（52.06）
每天2次及以上	5 138（71.11）	2 887（56.19）
饭后漱口			168.695	1.43E-38
偶尔或从不	3 421（47.35）	2 155（62.99）
漱口	3 804（52.65）	1 816（47.74）

Tab 1

Tab 2

Multifactor Logistic regression analysis of factors related to first permanent molar caries in 9-year-old children in Suzhou

因素	B值	S.E值	Wald值	P值	OR（95%CI）值
家长籍贯（苏州）					1.00（Reference）
迁入	0.15	0.08	1.84	0.66	1.16（0.99-1.37）
甜饮料（很少/从不）					1.00（Reference）
每月1~3次	-1.44	0.32	-4.47	<0.001	0.24（0.13-0.45）
每周1次	-0.81	0.23	-3.46	<0.001	0.45（0.28-0.70）
每周2~6次	0.35	0.25	1.43	0.153	1.42（0.88-2.30）
每天1次	-2.51	0.44	-5.67	<0.001	0.08（0.03-0.19）
每天≥2次	-1.38	0.41	-3.36	<0.001	0.25（0.11-0.56）
甜点心和糖果（很少/从不）					1.00（Reference）
每月1~3次	1.15	0.03	3.87	<0.001	3.17（1.77-5.68）
每周1次	0.30	0.22	1.40	0.161	1.36（0.89-2.08）
每周2~6次	-0.07	0.24	-0.31	0.758	0.93（0.58-1.48）
每天1次	3.52	0.45	7.78	<0.001	33.83（13.94-82.12）
每天≥2次	3.27	0.42	7.82	<0.001	26.34（11.60-59.81）
零食频率（很少/从不）					1.00（Reference）
每月1~3次	0.25	0.17	1.48	0.140	1.28（0.92-1.78）
每周1次	1.08	0.14	7.96	<0.001	2.93（2.25-3.82）
每周2~6次	1.39	0.11	12.51	<0.001	4.0（3.22-4.96）
每天1次	2.11	0.14	14.95	<0.001	8.23（6.24-10.85）
每天≥2次	3.58	0.24	15.09	<0.001	35.90（22.55-57.15）
刷牙后睡前零食（经常）					1.00（Reference）
不吃	-1.81	0.11	-15.76	<0.001	0.16（0.13-0.21）
偶尔	-1.10	0.12	-8.97	<0.001	0.33（0.26-0.42）
几岁刷牙（2岁）					1.00（Reference）
3岁	0.10	0.09	1.11	0.269	1.10（0.93-1.31）
4岁	0.19	0.10	1.90	0.058	1.21（0.99-1.47）
5岁	0.32	0.12	2.77	0.006	1.38（1.10-1.37）
6岁	-0.20	0.14	-1.37	0.170	0.82（0.62-1.09）
刷几次牙（每天2次及以上）					1.00（Reference）
每天1次	0.81	0.09	9.44	<0.001	2.25（1.90-2.66）
不是每天刷	0.78	0.13	6.19	<0.001	2.18（1.70-2.79）
刷牙时长（1 min）					1.00（Reference）
2~3 min	0.06	0.08	0.81	0.418	1.06（0.91-1.24）
≥3 min	0.09	0.10	0.83	0.405	1.09（0.89-1.34）
饭后漱口（偶尔或从不）					1.00（Reference）
漱口	-0.67	0.08	-8.45	<0.001	0.51（0.44-0.60）
母亲最高学历（初中及以下）					1.00（Reference）
高中、中专及大专	0.63	0.87	0.72	0.470	1.88（0.34-10.42）
本科及以上	0.66	0.87	0.76	0.045	1.93（0.35-10.63）
母亲含糖饮食频率（很少/从不）					1.00（Reference）
每月1~3次	0.26	0.22	1.18	0.237	1.29（0.84-1.98）
每周1次	-0.33	0.14	-2.39	0.017	0.72（0.55-0.94）
每周2~6次	0.19	0.12	1.55	0.121	1.21（0.95-1.54）
每天1次	-0.14	0.14	-0.97	0.332	0.87（0.66-1.15）
每天≥2次	0.94	0.21	4.44	<0.001	2.56（1.69-3.88）
母亲刷牙频率（每天2次及以上）					1.00（Reference）
不是每天刷	0.14	0.51	0.27	0.789	1.15（0.42-3.11）
每天1次	0.21	0.08	2.43	0.015	1.23（1.04-1.45）
母亲患龋（是）					1.00（Reference）
否	-0.31	0.08	-4.11	<0.001	0.73（0.63-0.85）
父亲最高学历（初中及以下）					1.00（Reference）
高中、中专及大专	-0.71	0.43	-1.64	0.100	0.49（0.21-1.15）
本科及以上	-0.76	0.44	-1.74	0.042	0.47（0.20-1.10）
父亲患龋（是）					1.00（Reference）
否	0.30	0.08	3.59	<0.001	1.35（1.15-1.60）
父亲刷牙频率（每天2次及以上）					1.00（Reference）
每天1次	-0.40	0.08	-4.90	<0.001	0.67（0.57-0.79）
不是每天刷	-0.10	0.32	-0.30	0.765	0.91（0.48-1.71）
定期口腔牙科诊室看牙（是）					1.00（Reference）
否	-1.45	0.07	-21.25	<0.001	0.23（0.20-0.27）

Tab 2

Tab 3

Fig 1

Fig 2

Fig 3

References 29

[1]	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.
[2]	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 Medical Publishing House, 2018.
[3]	刘亚琪, 张琼, 王艳, 等. 重度低龄儿童龋儿童全身麻醉与常规门诊下牙病治疗的疗效及卫生经济学评价[J]. 华西口腔医学杂志, 2021, 39(6): 703-708.
	Liu YQ, Zhang Q, Wang Y, et al. Evaluation of therapeutic effect and health economic of general anesthesia and routine outpatient dental treatment in children with severe early child caries[J]. West China J Stomatol, 2021, 39(6): 703-708.
[4]	Selwitz RH, Ismail AI, Pitts NB. Dental caries[J]. Lancet, 2007, 369(9555): 51-59.
[5]	张琼, 汪俊, 夏斌, 等. 低龄儿童龋的临床管理专家共识[J]. 华西口腔医学杂志, 2022, 40(5): 495-503.
	Zhang Q, Wang J, Xia B, et al. Expert consensus on cli-nical management for early children caries[J]. West China J Stomatol, 2022, 40(5): 495-503.
[6]	陈婷. 苏州糖文化研究[J]. 农业考古, 2015(3): 233-236.
	Chen T. Study on Suzhou sugar culture[J]. Agric Res, 2015(3): 233-236.
[7]	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.
[8]	Khanagar SB, Al-Ehaideb A, Maganur PC, et al. Deve-lopments, application, and performance of articial intelligence in dentistry—A systematic review[J]. J Dent Sci,2021, 16(1): 508-522.
[9]	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.
[10]	Hänsel Petersson G, Fure S, Bratthall D. Evalution of a computer-based caries risk assessment program in an elderly group of individuals[J]. Acta Odontol Scand, 2003, 61(3): 164-171.
[11]	World Health Organization. Oral health surveys: basic merhods[M]. 5th ed. Geneva: World Health Organization, 2013.
[12]	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.
[13]	Zeng Y, Fadaak A, Alomeir N, et al. Lactobacillus plantarum disrupts S.mutans-C.albicans cross-kingdom biofilms[J]. Front Cell Infect Microbiol, 2022, 12: 872012.
[14]	Hu Z, Yan XJ, Song Y, et al. Trends of dental caries in permanent teeth among 12-year-old Chinese children: evidence from five consecutive national surveys between 1995 and 2014[J]. BMC Oral Health, 2021, 21(1): 467.
[15]	Zhu F, Chen Y, Yu Y, et al. Caries prevalence of the first permanent molars in 6-8 years old children[J]. PLoS One, 2021, 16(1): e0245345.
[16]	Uribe SE, Innes N, Maldupa I. The global prevalence of early childhood caries:a systematic review with mata-analysis using the WHO diagnostic criteria[J]. Int J Paediatr Dent, 2021, 31(6): 817-830.
[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]. 2017-02-14[2025-04-10]. .
	General Office of the State Council. Notice of the gene-ral office of the state council on printing and distributing the long-term plan for the prevention and treatment of chronic diseases in China[R/OL]. 2017-02-14[2025-04-10]. .
[18]	Macek MD, Heller KE, Selwitz RH, et al. Is 75 percent of dental caries really found in 25 percent of the population[J]. J Public Heaith Dent, 2004, 64(1): 20-25.
[19]	周学东, 凌均棨, 梁景平, 等. 龋病临床治疗难度因素及处理[J]. 华西口腔医学杂志, 2017, 35(1): 1-7.
	Zhou XD, Ling JQ, Liang JP, et al. Difficulty influence factors of dental caries clinical treatment[J]. West China J Stomatol, 2017, 35(1): 1-7.
[20]	Chaffee BW, Cheng J, Featherstone JD. Baseline caries risk assessment as a predictor of caries incidence[J]. J Dent, 2015, 43(5): 518-524.
[21]	严鑫淼, 孙桃兰, 卢雨航, 等. 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 XM, Sun TL, Lu YH, et al. Prediction model of dental caries in 12-year-old children in Sichuan Province based on machine learning[J]. West China J Stomatol, 2023, 41(6): 686-693.
[22]	Hong J, 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.
[23]	Zeng L, Zeng Y, 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.
[24]	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要成分分析[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.
[25]	孙雁斐, 卢洁, 杨加震, 等. 基于微生物组新颖指数构建龋病菌群诊断模型[J]. 华西口腔医学杂志, 2023, 41(2): 208-217.
	Sun YF, Lu J, Yang JZ, et al. Construction of a caries diagnosis model based on microbiome novelty score[J]. West China J Stomatol, 2023, 41(2): 208-217.
[26]	Hemadi AS, Huang R, Zhou Y, et al. Salivary proteins and microbiota as biomarkers for early childhood caries risk assessment[J]. Int J Oral Sci, 2017, 9(11): e1.
[27]	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.
[28]	Chen C, Zhang F, Wang R. Dental caries experience and related risk indicators of 12-year-old students in Jilin, China[J]. Medicine (Baltimore), 2020, 99(28): e20988.
[29]	Thang Le VN, Kim JG, Yang YM, et al. Risk factors for early childhood caries: an umbrella review[J]. Pediatr Dent, 2021, 43(3): 176-194.

模型	准确率	精准度	召回率	特异度	AUC
决策树	71.2	69.5	81.8	74.7	75.5
Logistic回归	75.6	75.5	80.2	80.5	83.9
轻量级梯度提升	79.6	79.1	83.7	82.5	88.6
随机森林	80.9	80.5	84.5	83.5	88.9
极端梯度提升	81.2	80.9	84.7	83.8	90.1