Analyse af kliniske data for patienter med temporomandibulær ledlidelse

Projektet har til formål at udføre sammenhængen mellem okklusal kontakt og subkliniske indikatorer for fysisk og mental sundhed. Dataindsamlingsmetoden, der kombinerer okklusal detektion, fysisk konditionsdetektion og spørgeskemaundersøgelse, anvendes for at opnå måldataene, og derefter bruges maskinlæringsmetoden til at udtrække de følsomme tekniske parametre fra de indsamlede data.

1. Dataindsamling

1. 3D-okklusal kontaktdetektion: Det er planlagt at rekruttere 1000 raske frivillige og bruge "oral laserscanner" til at udføre 3D-scanning på dem for at opnå 3D-okklusale digitale modeldata for 1000 raske frivillige. Samtidig blev der nedsat en kontrolgruppe, og model og data fra 10.000 patienter, der tidligere havde besøgt hospitalet i vores afdelings eksisterende casedatabase, blev brugt til sammenlignende analyse.
2. Fysisk konditionstest: til den dynamiske/statiske stående balancefunktionstest af frivillige, bruges det dynamiske/statiske balancetestsystem udviklet af vores forskergruppe til at teste og opnå fysiske konditionsparametre. Stikprøvestørrelsen er statistisk estimeret, og det gennemsnitlige antal dynamiske/statiske test er ikke mindre end 50. Samtidig blev der etableret en kontrolgruppe: frivillige med lidelser i kæbeleddet og unormal okklusion.
3. Psykologisk evaluering: herunder frivilliges personlighedskarakteristika, mentale sundhedsniveau og grundlæggende flyveevne.

2. Udvindingen af ​​maskinlæringsokklusive parametre anvender det 3D-okklusionsevalueringssystem, der er rapporteret af os til at beregne den okklusale tæthed, og udtrækker den tredimensionelle retning og de omfattende parametre for over- og underkæben i henhold til den metode, vi har rapporteret, i alt af 10 kvantitative indikatorer.

3. Korrelationsanalyse af okklusal kontakt og fysiske og mentale sundhedsindikatorer For de indsamlede okklusale parameterdata, de fysiske parameterdata opnået fra den dynamiske/statiske ortostatiske balancefunktionstest, og de psykologiske parameterdata opnået fra personlighedskarakteristika, mentalt sundhedsniveau og andre tests, forskellen i den dynamiske/statiske evne hos frivillige med raske, temporomandibulære ledlidelser og unormal okklusion blev sammenlignet med variansanalysen; Multipel regressionsmetode blev brugt til korrelationstest; Machine learning bruges til klyngeanalyse.