Zahnverschleiß vorhersagen (PREDITOOTH)
Vorhersage des Zahnverschleißindex basierend auf einem Datensatz von Zahnformen: eine retrospektive Studie
Zahnverschleiß, der aus dem allmählichen Verlust von Zahnhartgewebe aufgrund mechanischer und chemischer Faktoren resultiert, wirkt sich auf die Zahnstruktur, -beschaffenheit und -funktion aus. Es beeinträchtigt die Lebensqualität mit unterschiedlicher Prävalenz (26,9 % bis 90,0 %) und wird traditionell bei Kontrolluntersuchungen visuell erkannt, oft in fortgeschrittenen Stadien. Die Überwachung von Veränderungen der Zahnform mithilfe von Intraoralscannern erleichtert die Früherkennung, die Wiederherstellung bleibt jedoch eine Herausforderung. Vorbeugung durch Früherkennung ist von entscheidender Bedeutung, da Patienten den Verlust der Zahnsubstanz möglicherweise erst dann vollständig verstehen, wenn er sichtbar ist. In jüngster Zeit wird die statistische Formanalyse (SSA) verwendet, um die Zahnanatomie zu erlernen und eine Referenzform (biogenerischen Zahn) zu definieren. Allerdings ist die Sicherstellung der Orientierungspunktkonsistenz vor allem aufgrund der Voreingenommenheit des Bedieners eine Herausforderung. Kürzlich bot eine robuste Methode namens MEG-IsoQuad eine automatisierte isotopologische Neuvernetzung. Die Kombination mit SSA ist für Diagnose- und Simulationszwecke vielversprechend. Ziel dieser Studie ist es, die Zuverlässigkeit eines Remeshing-SSA-Ansatzes für die Analyse veränderter und intakter Prämolaren zu bewerten und maschinelle Lernalgorithmen zur Simulation der Form des ursprünglich intakten Zahns oder eines künftig veränderten Zahns zu vergleichen.
Die klinische Perspektive der aktuellen Arbeit bietet Möglichkeiten:
- Verhindern Sie zukünftigen Zahnverschleiß, indem Sie ihn frühzeitig erkennen; und besser mit dem Patienten kommunizieren, indem ihm/ihr potenziell zukünftige veränderte Zähne präsentiert werden
- Simulieren Sie die angepasste Rekonstruktion für den veränderten Zahn, indem Sie den ursprünglich intakten Zahn simulieren
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Raphael Richet, Clinical Assistant
- Telefonnummer: +33669523314
- E-Mail: raphael.richert@univ-lyon1.fr
Studieren Sie die Kontaktsicherung
- Name: Maxime Ducret, Professor
- E-Mail: maxime.ducret@univ-lyon1.fr
Studienorte
-
-
-
Leuven, Belgien
- Rekrutierung
- KU Leuven University Hospital
-
Kontakt:
- Pierre Lahoud
-
-
-
-
-
Lyon, Frankreich, 69007
- Rekrutierung
- Lyon Dental Hospital
-
Kontakt:
- Raphael Richert, PhD
- Telefonnummer: +33669523314
- E-Mail: raphael.richert@univ-lyon1.fr
-
-
-
-
-
Lucknow, Indien
- Rekrutierung
- King George Medical University
-
Kontakt:
- Akhilanand Chaurasia
-
-
-
-
-
Tel Aviv, Israel
- Rekrutierung
- Tel Aviv Universi
-
Kontakt:
- Rachel Sarig
-
-
-
-
Indiana
-
Indianapolis, Indiana, Vereinigte Staaten, 46202
- Rekrutierung
- Indiana University Hospital
-
Kontakt:
- Anderson Hara
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Ausgerissene Zähne mit einem Zahnverschleißindex zwischen 0 und 3
- reifer Schneidezahn, Eckzahn, Prämolar oder Molar (nur 1. und 2.)
Ausschlusskriterien:
- Ausgerissene Zähne mit einem Zahnabnutzungsindex von über 3 (oder mit einem repräsentativen oralen Rehabilitationsindikator für eine ähnliche Abnutzung)
- unreife Zähne oder Zähne ohne Wurzelbildung
- Weisheitszähne
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Alle reifen Zähne weisen eine intakte Zahnabnutzung oder eine veränderte Zahnabnutzung auf
Skalierung des Zahns vor dem Scannen durch den Bediener. Bewertung des Zahnverschleißindex 0 oder 1 (durch 2 kalibrierte Experten).
|
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Vorhersage des Zahnverschleißindex basierend auf einem Datensatz von Zahnformen: eine retrospektive Studie
Zeitfenster: nur einmal
|
Vier Algorithmen für maschinelles Lernen (ML): eine lineare Diskriminanzanalyse (LDA), eine Support Vector Machine (SVM), ein Random Forest (RM) und eine Gradient Boosting Machine (GBM) werden verwendet, um den Zahntyp und die Veränderung des Zahns vorherzusagen Anatomie.
Der Datensatz wird in einen 60/40-Zug- und Holdout-Testdatensatz aufgeteilt und die Modelle werden dreifach kreuzvalidiert.
Die Modellleistungen werden in Verwirrungsmatrizen bewertet, um Präzision, Rückruf, F1-Score und Genauigkeit zu definieren.
|
nur einmal
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Geschätzt)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 69HCL23_1046
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .