识别老年人的功能性牙齿亚型：基于人群的回归分析与潜在类别分析

《Clinical Oral Investigations》：Identifying subtypes of functional dentition in older adults: a population-based regression and latent class analysis

本研究基于2021年中国65-74岁人群口腔健康监测数据，运用潜在类分析（LCA）识别功能性牙科（FD）风险亚群。通过多变量逻辑回归筛选变量，确定最优聚类为2类，低风险组（32.2%）表现为刷牙频率低、口腔知识不足，但根龋、牙龈出血及未修复牙丧失比例较高。模型稳定性良好（协议率0.867），预测准确（准确率91.5%，Kappa 0.806），为精准预防提供依据。

　　

摘要

研究目的

本研究旨在探讨与功能性牙列（FD）相关的潜在因素，量化这些因素在不同概率水平上的聚类情况，并制定精准的预防策略。

材料与方法

本研究采用2021年中国全国性监测项目的数据，对423名65–74岁的成年人进行了横断面调查。通过多变量逻辑回归初步筛选潜在变量后，使用R语言进行了潜在类别分析（LCA）。通过赤池信息量准则（AIC）、贝叶斯信息量准则（BIC）和熵值确定了最佳潜在类别数量。通过自助法重采样和混淆矩阵评估了模型性能。

结果

参与者被分为低概率组（第1组，N = 136人，占32.2%）和高概率组（第2组，N = 287人，占67.8%），该分类结果具有最佳拟合度（AIC = 2700.36，BIC = 2744.88，熵值 = 0.733）。与第2组相比，第1组的刷牙频率和口腔健康知识水平较低，但根面龋齿、牙槽骨吸收（AL）超过5毫米以及未修复的牙齿缺失的比例较高。该模型表现出良好的稳定性（平均一致性率为0.867）和强大的预测能力（Kappa值 = 0.806，准确率为0.915，敏感性为0.862，特异性为0.940，精确度为0.875，F1分数为0.869）。

结论

潜在类别分析识别出具有不同功能性牙列概率的不同亚群，并量化了相关因素的聚类情况，有助于准确识别高风险人群并制定有针对性的预防策略。