Breaking News

چگونه می توان خطر درد پس از درمان کانال ریشه را در بیماران بهتر پیش بینی کرد

3 ژانویه 2023 – بر اساس مطالعه ای که در Community Dentistry and Oral Epidemiology منتشر شده است، عوامل بالینی، از جمله شدت درد قبل و در حین درمان کانال ریشه، ممکن است خطر درد پس از عمل را بهتر از ویژگی های اجتماعی جمعیت شناختی مانند نژاد و درآمد، پیش بینی کنند.

نویسندگان نوشتند که این اطلاعات ممکن است انتظارات بیماران و دندانپزشکان را برای مدیریت درد بهبود بخشد.

نویسندگان به سرپرستی دکتر Mi Du ، از دانشگاه آدلاید در استرالیا نوشتند: استفاده از عوامل بالینی نسبت به ویژگی‌های جمعیت‌شناختی اجتماعی ممکن است سوگیری‌های جنسی/نژادی را هنگام پیش‌بینی خطر کاهش دهد.

بهبود پیش‌بینی خطر درد دندان

ویژگی های بیمار مانند جنس و سن؛ ویژگی های دندان از جمله نوع کانال ریشه ی تحت درمان؛ ویژگی های درمان، مانند ابزارکاری دقیق؛ و شرایط سیستمیک می تواند درد پس از درمان کانال ریشه را پیش بینی کند. اگرچه این عوامل خطر، برای ایجاد مدل‌های متعددی برای پیش‌بینی درد پس از عمل استفاده می‌شوند، تحقیقات فعلی محدود است، از جمله اینکه انتشارات موجود توانایی پیش‌آگهی ویژگی‌های خاص (مانند حوزه‌های بالینی و جمعیت‌شناختی) را مقایسه نکرده اند.

نویسندگان این مطالعه برای درک بهتر اینکه کدام یک از بیماران بعد از درمان ریشه بیشتر در معرض درد هستند، مدل‌های پیش‌بینی‌کننده‌ای برای درد حاد یک هفته‌ای و درد مداوم شش ماهه پس از عمل کانال ریشه ایجاد کردند. علاوه بر این، ویژگی های جمعیت شناختی اجتماعی، عوامل بالینی و ترکیبی از هر دو برای مقایسه در مدل ها گنجانده شدند.

عوامل بالینی مورد استفاده در مدل‌ها شامل: کیفیت درد اولیه، احساس بی‌حسی بیماران در طول درمان، تعداد روزهایی که درد آنها را از شرکت در فعالیت‌ها در هفته ی قبل از درمان باز داشته است، و اینکه آیا درد در کار آنها تداخل داشته است یا خیر. ویژگی های جمعیت شناختی شامل نژاد بیمار، وضعیت بیمه دندانپزشکی بیمار، درآمد بیمار؛ و جنسیت و قومیت دندانپزشک بود.

محققان با استفاده از شبکه تحقیقاتی ملی مبتنی بر دندانپزشکی ایالات متحده، داده های 707 بیمار را که توسط 62 دندانپزشک در شش ایالت تحت درمان کانال ریشه قرار گرفته بودند، تجزیه و تحلیل کردند. سوابق قبل از درمان، بلافاصله پس از درمان، یک هفته پس از پرکردن دندان و شش ماه پس از درمان جمع آوری شد.

از میان شرکت‌کنندگان، 411 بیمار (58%) داده‌های پیگیری درد یک هفته‌ای پس از درمان و 651 (92%) داده‌های پیگیری درد شش ماهه پس از درمان را ارائه کردند. در یک هفته پس از درمان، 100 بیمار (24%) نمره 7 یا بالاتر را برای درد پس از درمان کانال ریشه گزارش کردند. بر اساس این مطالعه، در یک پیگیری شش ماهه، درد مداوم در 70 بیمار (11٪) مشاهده شد.

برای پیش‌بینی نتیجه یک هفته‌ پس از درمان، مدلی که با مجموعه ترکیبی از پیش‌بینی‌کننده‌ها ساخته شده بود، بالاترین سطح زیر منحنی مشخصه عملکرد گیرنده (AUROC) 0.85 و منطقه زیر منحنی فراخوان دقیق (AUPRC) 0.72 را به دست آورد. پس از آن، مدلی که فقط با فاکتورهای بالینی ساخته شده بود(AUROC = 0.82، AUPRC = 0.66)  قرار داشت. نویسندگان نوشتند که کمترین توانایی پیش‌بینی مربوط به مدلی بود که بر اساس ویژگی‌های اجتماعی جمعیت ‌شناختی(AUROC = 0.68، AUPRC = 0.40) ساخته شده بود.

در پیش بینی پیامدهای درد شش ماهه، الگوهای مشابهی مشاهده شد. نویسندگان نوشتند که AUROC برای مدل‌ دارای مجموعه‌های پیش‌بینی‌کننده ی ترکیبی، بالینی و جمعیت‌شناختی به ترتیب 0.85، 0.89 و 0.66 و AUPRC به ترتیب 0.48، 0.53 و 0.22 بود.

نویسندگان به محدودیت‌های این مطالعه اشاره کردند، از جمله اینکه نویسندگان مدل‌ها را بر اساس یک گروه موجود توسعه داده و اعتبار داخلی آن‌ها را تأیید کردند و تنها بیمارانی که به مراقبت‌های دندانی دسترسی داشتند، در مطالعه گنجانده شدند. آنها نوشتند: قبل از استفاده از این مدل ها در کار بالینی، آنها باید در سایر جمعیت ها اعتبار سنجی شده و در محیط های بالینی آزمایش شوند.

نویسندگان نوشتند: اگرچه در مورد نحوه برخورد با متغیرهای اجتماعی جمعیت شناختی در پیش بینی بالینی اتفاق نظر وجود ندارد، اما نتایج نشان می دهد که عوامل بالینی نقش مهم تری در پیش بینی بالینی نسبت به ویژگی های اجتماعی جمعیت شناختی، ایفا می کنند.

علاوه بر این، دکتر Du و همکارانش نتیجه گیری کردند که در نظر گرفتن ویژگی های جمعیت شناختی اجتماعی (به عنوان مثال، نژاد/قومیت)، در پیش بینی بالینی درد ممکن است سوگیری الگوریتمی ایجاد کند که نابرابری در دستیابی به مراقبت های بهداشتی را افزایش می دهد.

منبع:

https://www.drbicuspid.com/index.aspx?sec=sup&sub=apm&pag=dis&ItemID=332681