白皓亮 楊禾 趙蕾

口腔疾病研究國家重點實驗室 國家口腔疾病臨床醫(yī)學研究中心四川大學華西口腔醫(yī)院牙周病科 成都610041

在醫(yī)學中，風險被定義為一種會引起某事件的危險的可能性，風險因素增加事件發(fā)生的概率，可能與疾病的發(fā)病或進展有關(guān)[1-2]。疾病的發(fā)生、發(fā)展、開始和嚴重程度通常又由宿主的多種系統(tǒng)性危險因素決定[3]。隨著醫(yī)學模式向生物-心理-社會醫(yī)學模式的轉(zhuǎn)變，人們對疾病病因的探求從傳統(tǒng)的生物理化模式向生物-心理-社會模式發(fā)生了巨大的轉(zhuǎn)變[4-5]。牙周病是多因素引起的牙周組織慢性炎癥病變[5-7]，研究[8-13]顯示：吸煙、糖尿病、遺傳因素、年齡、性別、社會經(jīng)濟地位、壓力等都是牙周病的風險因素。近年來牙周醫(yī)學概念的建立使得更多關(guān)于全身疾病和牙周健康關(guān)系的研究進一步發(fā)展深入，這對于改變醫(yī)師的臨床診斷和治療理念、復雜牙周病風險判斷無疑具有十分重要的推動作用[6]。牙周病是最復雜的非傳染性疾病之一[14]，對其風險因素的綜合評估將有助于早期發(fā)現(xiàn)牙周病，從而有效預防牙周病進一步發(fā)展，并幫助接受牙周系統(tǒng)治療的患者進行治療預后判斷和維護期管理[15-16]。相關(guān)工具的開發(fā)有利于更系統(tǒng)、便捷、科學地完成患者的個性化牙周病風險評估。

本文就目前已報道和使用的各類牙周病風險評估及預后判斷相關(guān)工具進行匯總，分為基于個體層面的風險評估工具、基于個體和患牙層面的預后判斷工具、基于單個患牙層面的牙周預后判斷工具和同時基于個體和患牙層面的牙周病風險評估及預后判斷綜合工具，分別進行分類綜述。

1 基于個體層面的牙周病風險評估工具

1.1 牙周病風險評估（periodontal risk assessment，PRA）工具

PRA由Lang和Tonetti[17]于2003年提出，是目前使用最廣泛的牙周病風險評估工具之一。PRA是一種回顧性模型分析工具，通過收集一定牙周臨床參數(shù)信息，依據(jù)分析算法獲得患者的牙周病發(fā)生或復發(fā)風險[18]。該模型納入的參數(shù)包括：探診出血陽性位點的百分比、探診深度（probing depth，PD）≥5 mm的位點數(shù)目、骨喪失/年齡比值、牙喪失數(shù)、糖尿病狀況和吸煙情況，通過綜合分析系列風險因素和指標，從而構(gòu)建臨床環(huán)境下評估風險的可行算法功能圖[17]。PRA可評價牙周積極治療完成后患者在牙周支持治療階段的牙周疾病風險（PRA的免費評估工具網(wǎng)址：http://www.perio-tools.com/pra/en）。盡管PRA系統(tǒng)被廣泛使用，但也存在一定局限性：1）主要評估牙周炎患者的累積狀態(tài)；2）沒有正確識別風險因素和風險決定因素；3）患者存在系統(tǒng)性疾病被評估為高風險因素，但不強調(diào)患者系統(tǒng)性疾病的當前狀態(tài)；4）單獨評估了吸煙這一因素，但糖尿病這一重要的潛在風險因素沒有單獨評估，僅被納入系統(tǒng)性疾病的范疇；5）沒有考慮到各種可能改變或引發(fā)牙周病進展的牙科因素[19]。

1.2 改良型牙周病風險評估（modified periodontal risk assessment，MPRA）工具

MPRA是由Chandra[19]于2007年提出的一種基于PRA的改良回顧性模型。為了克服PRA的局限性，MPRA模型使用附著喪失代替骨喪失來評價牙周病的嚴重程度，而非PRA模型中測量PD和放射學檢查牙槽骨喪失[17,20-21]。同時，與PRA相比，MPRA模型納入了更多的風險因素（糖尿病、牙石或可能造成牙石的因素）和風險決定因素（社會經(jīng)濟因素和壓力）[22]。有研究[23-25]證實：與全身健康者相比，糖尿病患者對牙周病的易感性更強，牙周病的患病程度更嚴重，病變累及范圍也更廣，血糖控制不理想的患者其牙周破壞較控制良好者更為嚴重，這也佐證了MPRA將糖尿病作為尤其重要的風險因素被單獨評估的進步性。然而，也有研究[18]顯示：受試者使用PRA與MPRA進行牙周病風險評估，結(jié)果并無顯著差異。

1.3 牙周病風險指數(shù)（periodontal risk calculator，PRC）

PRC系統(tǒng)也是目前被廣泛應用的牙周病風險評估系統(tǒng)，可用于初診及維護期等不同階段，由Page等[26]于2003年開發(fā)。PRC模型納入11個關(guān)鍵風險參數(shù)：年齡、吸煙情況、糖尿病情況、牙周手術(shù)史、PD、探診出血、根分叉病變、齦下修復體情況、齦下牙石、放射學牙槽骨高度、牙槽骨垂直吸收情況。基于這些參數(shù)計算數(shù)值風險和疾病嚴重程度評分，建立風險評估并量化疾病的嚴重程度，從而進行高精度的牙周病風險預測[27]。目前廣泛認可PRC的風險評分是牙周病患者牙槽骨喪失和牙齒缺失的有力預測因子[26]。口腔微生物群落與系統(tǒng)性疾病緊密相關(guān)，口腔微生物群落結(jié)構(gòu)特征可作為口腔及全身健康預警的重要標記[28]。有研究[29]顯示：PRC評價“非常高”風險和“高”風險的患者，其齦下菌斑中福賽坦納菌和中間普氏菌的檢出率差異具有統(tǒng)計學意義。這從微生物角度證明了PRC作為牙周病風險評估工具的有效性。目前，由PRC衍生出一系列商品化評估工具，包括：PreViserPRC、DEPPA、YDEPPA等。

1.4 牙科實踐健康改善（health improvement in dental practice，HIDEP）模型評估工具

HIDEP模型是2001年提出的一種使用預先確定的風險組來選擇和管理個人治療和預防方案的計算機工具[30]。HIDEP未使用新的風險評估技術(shù)，而是將現(xiàn)有的檢查方法、風險評估系統(tǒng)和處理建議綜合成一個工具，其參數(shù)包括：牙齒總數(shù)、完整牙齒總數(shù)、牙齦出血、PD、放射學檢查、齲病經(jīng)歷、唾液診斷、糖攝入頻率等。HIDEP能夠?qū)谇唤】嫡w狀況進行綜合分析，根據(jù)14個參數(shù)的分配分數(shù)確定患者所處的健康疾病等級，包括齲病和牙周病的5個風險和4個疾病類別，最終識別出齲病和牙周病的危險因素和高危人群[31]。

1.5 牙周病風險評估簡化方法（simplified method for periodontal risk assessment，Perio Risk）

Perio Risk是2007年提出的一種以患者為單位，用于圍手術(shù)期的牙周病風險評估方法。Perio Risk基于患者的病史和臨床記錄納入5個參數(shù)：吸煙情況、糖尿病情況、PD≥5 mm的位點數(shù)量、探診出血評分和骨喪失/年齡比值。每個參數(shù)有其對應的參數(shù)分數(shù)，計算參數(shù)的代數(shù)和，并進行5個等級的風險評定：1為低風險，2為低-中風險，3為中風險，4為中-高風險，5為高風險。Perio Risk與PRA具有相同的參數(shù)，但Perio Risk的風險計算過程比PRA更加簡化，可以更好地對患者的預后進行詳細分類，有效評估牙周治療對患者預后的影響[32]。有研究[33]發(fā)現(xiàn)：根據(jù)Perio Risk進行的牙周病風險評估有助于識別牙周支持治療（supportive periodontal therapy，SPT）期間牙齒脫落的風險。由此可見，Perio Risk可以在保證評估系統(tǒng)必要準確性的同時生成簡化的風險評分[24]。

2 基于個體和患牙層面的牙周病預后判斷工具

預后是基于疾病發(fā)病機制的一般知識和疾病危險因素的存在，對疾病的可能病程、持續(xù)時間和結(jié)果進行預測，建立在診斷之后和治療計劃制定之前。預后因素是一旦疾病出現(xiàn)，隨之預測疾病結(jié)果的特征。某些情況下危險因素和預后因素相同[34]。牙周病的預后判斷一般根據(jù)患者的病史、年齡、疾病類型、病情進展速度、牙周破壞程度、牙石菌斑量和其他局部解剖因素、全身或環(huán)境因素以及患者本人的意愿、能否積極配合治療等情況來確定[35]。

McGuire和Nunn[36]基于評估牙齒喪失率，將預后初步分為5種類型。1）預后良好（good prognosis）：能夠控制致病因素，有足夠的牙周支持，患者和醫(yī)生維護患牙較容易。2）預后一般（fair prognosis）：大約25%的附著喪失和/或Ⅰ度根分叉病變（患牙位置和袋深允許依從性良好的患者進行一定的維護）。3）預后較差（poor prognosis）：約50%的附著喪失，Ⅱ度根分叉病變（患牙的位置和袋深有進行維護的可能，但存在困難）。4）預后有問題（questionable prognosis）：＞50%的牙周附著喪失，冠根比失調(diào)，根型不佳，Ⅱ度根分叉病變（患牙的位置和袋深使維護存在困難）或Ⅲ度根分叉病變；松動度2度以上；根間距近。5）預后無望（hopeless prognosis）：牙周附著水平不能維持健康、功能和舒適。在此分類系統(tǒng)中，良好、一般和無望的預后能夠以合理的準確度建立起來。然而，較差和有問題的預后則依賴于大量的因素，這些因素又以不可預測的方式相互作用，因而這兩種預后的準確性受到一定影響[37-41]。值得注意的是，判斷預后是一個動態(tài)的過程。因此，在完成包括牙周支持治療在內(nèi)的所有階段治療后，應該重新評估最初制定的預后準確性[34]。這樣的預后分析系統(tǒng)有利于對牙周病風險評估做更詳盡的研究，但其局限性也說明有待提出更系統(tǒng)詳細的評估分類體系。

此外，該系統(tǒng)可分為個體整體預后和個別牙齒預后兩個層面。整體預后與牙列整體狀況有關(guān)，有諸多因素可能影響整體預后，例如：患者年齡、目前疾病的嚴重程度、全身因素、吸煙、菌斑、結(jié)石、其他局部因素、患者依從性以及修復體。該體系的整體預后回答了是否應該進行治療，治療是否有可能成功，當需要更換修復體時剩余牙齒是否能夠支撐修復體的額外負擔等問題[34]。個別牙齒的預后是在整體預后之后決定的，并受整體預后的影響。

3 基于單個患牙層面的牙周預后判斷工具

分類回歸樹（classification and regression trees，CART）是一種應用回歸樹模型的數(shù)據(jù)挖掘技術(shù)，通過劃分一組變量來構(gòu)建最優(yōu)決策樹，以準確預測結(jié)果。用于牙周病單個患牙預后分析的CART模型納入的變量包括：冠根比、PD、根分叉受累、牙根形態(tài)、未經(jīng)治療的磨牙癥、口腔衛(wèi)生、患牙松動度、是否佩戴咬合板、平均骨喪失百分比和牙周病家族史。此外，CART還可進行磨牙和非磨牙的分層分析（圖1～3[42]）。由于CART需要很少的統(tǒng)計假設，數(shù)據(jù)結(jié)構(gòu)處理方便，盡管其評估結(jié)果有待進一步改進，但與傳統(tǒng)方式相比，CART可獲得更敏感和特異的患牙層面的預后判斷結(jié)果，因而目前已被廣泛應用于牙周預后的流行病學分析中。此外也有研究[43]證明了這種新的統(tǒng)計分析方法在發(fā)展循證牙周預后方面的有效性。將來，基于生存樹的單個患牙的牙周預后指標可能會有助于更好地制定出以循證的預后為指導的最佳治療計劃。

圖1 基于分裂優(yōu)度法的全牙多元生存樹Fig 1 Multivariate survival tree for all teeth based on gooness of sp-lit method

圖2 非磨牙的多元指數(shù)生存樹Fig 2 Multivariate exponential survival tree for non-molars

4 基于個體和患牙層面的牙周病風險評估及預后判斷綜合工具

牙周炎風險和預測算法（the periodontitis risk and prognostication algorithm）是2010年Lindskog等[41]提出的一種基于網(wǎng)絡的圖形化Web界面工具，可同時基于患者個體和患牙層面，分別給出風險評估及預后分析判斷。該方法集成了大約20個風險預測因子，并計算出表明牙列慢性牙周炎風險水平的分數(shù)（Ⅰ級），如果發(fā)現(xiàn)風險增加，則逐牙預測疾病的進展（Ⅱ級）。在第Ⅰ級中，每個變量（年齡、家族史、系統(tǒng)性疾病、皮膚刺激實驗、患者合作與疾病意識、社會經(jīng)濟地位、吸煙情況、牙周治療護理經(jīng)驗、口腔衛(wèi)生、牙髓病態(tài)、累及根分叉、角形吸收、放射學邊緣骨喪失、PD、牙周探診出血、涉及齦緣的修復體、牙松動度增加）的數(shù)值或二分法值通過帶有預定義結(jié)果的菜單輸入到算法中，得出牙列整體的風險評分——牙列DRS（danger risk score of dentition，DRS dentition）。如果Ⅰ級顯示風險升高，則詳細登記臨床和影像學變量來計算每個患牙的風險評分——牙齒DRS（DRStooth）。有研究[42]證明：牙周炎風險和預測算法中包含的預測因子合理，其風險評估和預測為臨床醫(yī)生提供了有效、可靠、一致、客觀的治療計劃支持。然而，雖然基于此算法的衍生產(chǎn)品例如DentoRisk等應用前景很可觀，但對市場來說還不太成熟，需要擴大樣本量，在多樣化的患者群體和不同治療環(huán)境中加以研究驗證[43]。需要注意的是，有時針對復雜的病情，一時難以判斷，也可以采取先進行基礎治療，視牙周組織對于治療的反應、刺激因素能否徹底消除以及患者的配合程度等，再做進一步的判斷與規(guī)劃[44]。

圖3 磨牙的多元指數(shù)生存樹Fig 3 Multivariate exponential survival tree for molars

5 總結(jié)及展望

對各種工具的細化探討有助于明確牙周病風險評估和預后判斷工具的各自適用范圍及其優(yōu)劣勢，幫助醫(yī)生綜合分析從而避免因評估失誤所導致的牙周治療不足或治療過度[44-45]；但應意識到所有模型都是概率事件，危險因素在預測疾病發(fā)病、進展和治療結(jié)果方面的作用仍然非常有限[45]，對風險評估的解讀需要保持謹慎的態(tài)度。隨著大數(shù)據(jù)時代的到來，大數(shù)據(jù)無疑為醫(yī)學風險評估帶來新的機遇與挑戰(zhàn)，而牙周病風險的評估與控制作為預防和治療成功的基石，始終需要每一位牙周相關(guān)從業(yè)者進一步研究與分析。

利益沖突聲明：作者聲明本文無利益沖突。