歯の摩耗を予測する (PREDITOOTH)
歯の形状のデータセットに基づく歯の摩耗指数の予測:遡及研究
機械的および化学的要因により歯の硬組織が徐々に失われることで生じる歯の摩耗は、歯の構造、質感、機能に影響を与えます。 罹患率はさまざまですが(26.9% ~ 90.0%)、生活の質に影響を与えます。伝統的に、多くの場合進行した段階で、健康診断時に視覚的に検出されます。 口腔内スキャナーで歯の形の変化をモニタリングすることは早期発見に役立ちますが、修復は依然として困難です。 患者は目に見えるまで歯の構造の損失を完全に理解できない可能性があるため、早期発見による予防が不可欠です。 最近では、統計的形状解析 (SSA) を使用して歯の解剖学を学習し、基準形状 (生体歯) を定義します。 ただし、ランドマークの一貫性を保証することは、主にオペレーターの偏見により困難です。 最近、MEG-IsoQuad と呼ばれる堅牢な手法により、自動化されたアイソトポロジリメッシュが提供されました。 これを SSA と組み合わせると、診断やシミュレーションの目的で使用できることが期待されます。 この研究の目的は、変化した小臼歯と無傷の小臼歯の解析に対するリメッシュ SSA アプローチの信頼性を評価し、最初の無傷の歯または将来変化した歯の形状をシミュレートするための機械学習アルゴリズムを比較することです。
現在の研究の臨床的観点は、次の可能性を提供します。
- 早期に歯の磨耗を検出することで、将来の歯の磨耗を防ぎます。将来変化する可能性のある歯を患者に提示することで、患者へのコミュニケーションが向上します。
- 最初の無傷の歯をシミュレートすることにより、変化した歯に適応した再構成をシミュレートします。
調査の概要
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前:Raphael Richet, Clinical Assistant
- 電話番号:+33669523314
- メール:raphael.richert@univ-lyon1.fr
研究連絡先のバックアップ
- 名前:Maxime Ducret, Professor
- メール:maxime.ducret@univ-lyon1.fr
研究場所
-
-
Indiana
-
Indianapolis、Indiana、アメリカ、46202
- 募集
- Indiana University Hospital
-
コンタクト:
- Anderson Hara
-
-
-
-
-
Tel Aviv、イスラエル
- 募集
- Tel Aviv Universi
-
コンタクト:
- Rachel Sarig
-
-
-
-
-
Lucknow、インド
- 募集
- King George Medical University
-
コンタクト:
- Akhilanand Chaurasia
-
-
-
-
-
Lyon、フランス、69007
- 募集
- Lyon Dental Hospital
-
コンタクト:
- Raphael Richert, PhD
- 電話番号:+33669523314
- メール:raphael.richert@univ-lyon1.fr
-
-
-
-
-
Leuven、ベルギー
- 募集
- KU Leuven University Hospital
-
コンタクト:
- Pierre Lahoud
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- 歯が抜け落ち、歯の摩耗指数が 0 ~ 3 になる
- 成熟した切歯、犬歯、小臼歯、または大臼歯(第 1 および第 2 のみ)
除外基準:
- 歯が脱落し、歯の摩耗指数が3を超えている(または同様の摩耗を示す口腔リハビリテーションを行っている)
- 未熟な歯、または根の形成がされていない歯
- 親知らず
研究計画
研究はどのように設計されていますか?
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
歯の磨耗が無傷であるか、歯の磨耗が変化しているすべての成熟した歯
オペレーターによるスキャン前の歯のスケーリング 歯の摩耗指数 0 または 1 の評価 (校正済みの専門家 2 人による)
|
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
歯の形状のデータセットに基づく歯の摩耗指数の予測:遡及研究
時間枠:一度だけ
|
4 つの機械学習 (ML) アルゴリズム: 線形判別分析 (LDA)、サポート ベクター マシン (SVM)、ランダム フォレスト (RM)、および勾配ブースティング マシン (GBM) を使用して、歯の種類と歯の変化を予測します。解剖学。
データセットは 60/40 のトレインとホールドアウト テストのデータ セットに分割され、モデルは 3 重に交差検証されます。
モデルのパフォーマンスは混同行列で評価され、精度、再現率、F1 スコア、精度を定義します。
|
一度だけ
|
協力者と研究者
スポンサー
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (推定)
学習記録の更新
投稿された最後の更新 (推定)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。