一组发育迟缓儿童的乳牙和恒牙矿化不足。一项横断面研究。

第二乳磨牙 (SPM) 的发育与第一恒磨牙 (FPM) 和恒切牙的发育同时开始，因此任何系统性干扰 - 导致发育迟缓 - 发生，都会导致 SPM 以及 FPM 矿化不足和恒切牙 (Butler 1967, Weerheijm and Mejàre 2003)。

文献显示之前没有研究讨论矿化不足的第二乳磨牙 (HSPM)、MIH 和儿童发育迟缓之间的关系。

目的：估计 HSPM 和 MIH 在发育迟缓儿童中的患病率。评估 HSPM、MIH 与一组埃及儿童发育迟缓之间的关联。

.选择方法：

• 根据资格标准，在开罗大学牙科学院儿科牙科门诊就诊的 5 至 8 岁发育迟缓儿童将被纳入本研究。
• 将从接受参与研究的儿童父母或监护人处获得知情同意。 医疗和社会人口统计数据将记录在患者图表中。
• 将使用人造光在牙科设备上对儿童进行临床检查。 检查前将使用湿棉签去除多余的牙菌斑或唾液。
• MIH 的诊断标准是根据欧洲儿科牙科学会标准 (Weerheijm 和 Mejàre 2003) 制定的，而 HSPM 的诊断标准是由 (Elfrink 等人 2008) 制定的。

数据来源和管理：

根据我们选择的诊断标准，将通过对参与儿童的 MIH 和 HSPM 临床检查获得数据，结果将以两种情况的百分比形式收集，并将分析数据以显示这些情况之间的关系。

数字/定量变量的处理：

将通过检查数据分布、计算平均值和中值以及使用 Kolmogorov-Smirnov 和 Shapiro-Wilk 检验来探索数值数据的正态性。 如果发现数据呈正态分布，则将显示为平均值和标准差值。 如果发现违反了正态性假设，则数据将显示为中值和范围值。

分类/定性变量的处理：

分类数据将表示为频率 (n) 和百分比 (%)。

统计分析：

分类数据将表示为频率 (n) 和百分比 (%)，并将使用卡方检验进行分析。 将通过检查数据分布、计算平均值和中值以及使用 Kolmogorov-Smirnov 和 Shapiro-Wilk 检验来探索数值数据的正态性。 如果发现数据呈正态分布，将以均值和标准差值表示，并使用独立的 t 检验进行分析。 对于所有测试，显着性水平将设置为 P ≤ 0.05。 将使用 IBM® SPSS® Statistics Version 26 for Windows 执行统计分析。