基于机器学习的分析，研究云南城乡5岁儿童与龋齿相关的行为特征及牙菌斑微生物群特征

《BMC Microbiology》：Machine learning-based analysis of behavioral and dental plaque microbiome features associated with dental caries in 5-year-old children from urban and rural Yunnan

　　

摘要

背景

本研究旨在将基于问卷的口腔健康行为数据与牙菌斑微生物组特征相结合，分析云南省城乡地区5岁儿童患龋齿的相关行为及微生物因素。同时，还评估了这些特征在机器学习分类模型中的应用效果。

方法

研究选取了云南省凤庆县（农村）和红塔区（城市）的儿童，根据其龋齿状况将其分为无龋组与龋齿组。通过问卷收集了他们的饮食习惯、口腔卫生习惯以及区域背景信息。同时采集牙菌斑样本用于16S rRNA基因测序。通过分析门和属层面的微生物群相对丰度，比较不同龋齿状况儿童以及不同地区之间的微生物组差异。研究采用了随机森林、最小绝对值收缩和选择算法（LASSO）等机器学习模型，识别关键的微生物特征，并评估这些特征连同相关行为变量在判断龋齿状况时的有效性。

结果

问卷分析显示，龋齿组与无龋组在居住地、甜食摄入频率以及夜间刷牙后糖分摄入量方面存在显著差异。从居住地来看，凤庆县与红塔区在夜间刷牙后糖分摄入量以及含氟牙膏使用率上存在明显差别。牙菌斑微生物组分析发现，龋齿组与无龋组在门层面存在显著差异，尤其是在拟杆菌门、梭杆菌门和变形菌门中。基于门层面的诊断模型指出梭杆菌是重要的区分指标（曲线下面积AUC为0.737）。LASSO分析确定了三种属——卡普尼科普哈加属、嗜血杆菌属和科马蒙纳斯属，其中卡普尼科普哈加属对诊断性能有贡献（AUC为0.720）。若再纳入居住地、甜食摄入量和夜间刷牙后糖分摄入量这些因素，模型性能进一步提升（AUC为1.000）。

结论

行为因素、区域背景以及牙菌斑微生物特征共同影响着5岁儿童患龋齿的风险，这说明地区差异可能在一定程度上反映了当地的社会经济状况。不过，由于这些研究结果仅为相关性分析，还需进一步验证。