Modell zur Langzeitprognose von Zahnextraktionen auf Basis parodontaler Parameter

Abstract

Das Ziel dieser retrospektiven 11-Jahres-Studie war es, eine Langzeitprognose parodontal behandelter Zähne bezüglich ihrer Extraktion bzw. ihres Erhalts zu evaluieren und prognostische, signifikant auf diese Langzeitprognose einflussnehmende Faktoren zu demaskieren. Hierzu sind Daten von 108 Patienten, die zu gleichen Teilen männlich und weiblich waren, gesammelt worden, welche sich in der Abteilung für Paro-dontologie der Charité Berlin einer Parodontalbehandlung unterzogen und mindestens 8 Jahre im Rahmen einer Unterstützenden Parodontaltherapie behandelt worden sind. Das Durchschnittsalter bei Erstuntersu-chung lag bei 50,1 Jahren. Die Behandlung bestand aus Mundhygieneinstruktionen, Scaling sowie Wur-zelglättung unter Lokalanästhesie und gegebenenfalls parodontaler Chirurgie. Von den bei der Erstvorstellung im Mittel pro Patient vorhandenen 24,69 (min=4; max=32; Std.Dev.=4,8) Zähne, verblieben nach Abschluss der Initialtherapie, d.h. beim Start der UTP, im Mittel 24,59 Zähne (min=4; max=32; Std.Dev.=4,9). D.h. von anfänglich 2667 vorhandenen Zähnen wurden ca. 1% (=28 Zäh-ne) während der initialen, aktiven Therapie und im Verlauf der im Mittel 11,7 Jahre dauernden UPT 8,0% (211 von insgesamt 2639 Zähnen) entfernt. Zum Ende des Beobachtungszeitraums waren im Mittel 22,01 (min=2; max=31; Std.Dev.=6,5) Zähne je Patient in situ. Mittlere Sondierungstiefen von 4-6mm zeigten bei 57% der Patienten, bei ca. 20% waren diese >6mm (siehe Abb.29). Etwa 50% der Patienten zeigten eine generalisierte, moderate und 10% eine generalisierte, schwere Parodontitis, d.h. 30% der Zähne eines Pa-tienten wiesen Sondierungstiefen >6mm bzw. >8mm auf (Abb.30). Anlässlich mangelnder Aussagekraft bivariater Beziehungen, wurden zur Modellierung der Zielgröße „Zahnextraktion“ bzw. „Zahnerhalt“ multivariate Beziehungen mittels logistischer Regressionsanalysen und Baumanaylsen herangezogen, um signifikant auf die Extraktionswahrscheinlichkeit einflussnehmende Pa-rameter zu bestimmen. Aufgrund der Feststellung, dass ein- und mehrwurzelige Zähne grundlegend andere Gesetzmäßigkeiten bezüglich ihrer Extraktion aufwiesen, wurden die Zähne in der vorliegenden Arbeit getrennt behandelt. Als besonders bedeutsam stellten sich die für ein- und mehrwurzelige Zähne diskriminanzanalytisch errechne-ten Scores heraus. Für einwurzelige Zähne beinhaltet der bestimmte Score1 folgende Größen: Score1 = 0.289 . STdistal + 0.332 . AttVbukkal + 0.359 . AttVmesial + 0.339 . AttVoral, während der Score2 für mehrwurzelige Zähne folgende Parameter beinhaltet: Score2 = 0.503 . STbukkal + 0.255 . AttVbukkal + 0.284 . AttVmesial + 0.313 . AttVoral. 89 Bemerkenswert ist, neben der Unabhängigkeit der Scores von patientenbezogenen Charakteristika, die Tatsache, dass nicht ausschließlich approximale Werte für Sondierungstiefe bzw. Attachmentverlust, wie in den meisten Studien lediglich evaluiert, ausschlaggebende Wirkung entfalten. Im Score1 verbirgt sich im bukkalen Attachmentverlust (AttVbukkal) die selbige Sondierungstiefe, im Score2 ist diese sogar in zweifa-cher Weise zu finden (STbukkal und AttVbukkal). Die Baumanalysen zeigten für einwurzelige Zähne, neben dem oben genannten Score1, die Vitalität, den Lockerungsgrad, das Rauchen, das Geschlecht und die Kieferzugehörigkeit eines Zahnes sowie den al-tersbezogenen Knochenverlust als signifikant den Zahnverlust bestimmend (siehe Abb.: 56-58). Für mehr-wurzelige Zähne ergaben sich neben dem Score2: die Vitalität, API und PBI, der Furkationsgrad, das Rau-chen, der mesiale Attachmentverlust, das Geschlecht, die distale Rezession sowie der altersbezogene Knochenverlust (bone-loss/age), wie die Abbildungen 58 und 59 zeigen. Die Kombination verschiedener, sowohl zahn- als auch wirtbezogener, prognostizierender Parameter scheint die wichtigste Rolle bezüglich einer Prognose für Zahnextraktion bzw. Zahnerhalt zu spielen. Hier-bei stellen die Einflussnahme der bukkalen Sondierungstiefen sowie die Variabilität der Wirkweise ein und derselben Größe neue Erkenntnisse dar. Die oben erzeugten Modelle (Baumanalysen aus Abb.: 55-59) zeichnen sich durch ihre Praktikabilität in der Praxis aus, da ein konkreter Zahn durch sukzessive Prüfung seiner Eigenschaften schließlich in eine ein-deutig bestimmte Gruppe eines Baumes mit der angegebenen Wahrscheinlichkeit für das Ereignis „Er-halt/Extraktion" gelangt. Weiterhin schaffen die Baumanalysen Klarheit bezüglich der Notwendigkeit bzw. Sinnlosigkeit der Dokumentation bestimmter Parameter.

The objective of the 11 year retrospective study was to elaborate on a model for long-term forecasting of the survival of teeth and to identify the respective main periodontal factors. The analysis is based on data from a random sample of 108 patients who underwent at least 8 years of special parodontal treatment in the department of Periodontology at Charité Berlin. This treatment mainly consists of instructions and perpetual training towards dental hygiene, scaling, root-smoothing and dental surgery when necessary. The gender relation in the sample was exactly 54/54 with a mean age of 50.1 years at the beginning of the treatment. At the first dental inspection the mean number of teeth in situ was 24.69 (minimum=4, maximum=32, standard deviation=4.9). During the "initial therapy" 28 out of 2667 teeth had to be extracted before starting the main therapy in which 211 out of 2639 teeth could not be preserved, i.e. had to be extracted. 57% (20%) of the patients had mean probing depths 4-6 mm (> 6 mm). Approximately 50% of the patients showed a generalized moderate periodontitis and 10% actually got a generalized heavy periodontitis. Because of the well known poor explanatory power and their often misleading results, the popular binary presentation of the data was solely done to meet traditional requirements. The main goal was to model the multi-causal relationship between periodontal parameters and the command variable "survive/not-survive". The multivariate statistical models "Logistic regression" and "Tree analysis" were used to detect periodontal parameters with multivariate significant highest impact with respect to the command variable. Because of the apparent and well-known difference both statistical models distinguish between single- and multi-rooted teeth. To reduce the unmanageable high variety of parameters for a tooth, in the first step, two scores were calculated that subsume the most important parameters: Score1 = 0.289 . ST distal + 0.332 . AttV bukkal + 0.359 . AttV mesial + 0.339 . AttV oral Score2 = 0.503 . ST bukkal + 0.255 . AttV bukkal + 0.284 . AttV mesial + 0.313 . AttV oral. Score1 relates on single-rooted and Score2 is appropriate for multi-rooted teeth. Both functions were used as hyper-parameters in both statistical models. In contrast to the traditional results, both scores show the necessity of the usage of individual measures instead of the so called "approximate" values. The ROC-curves for Score 1 and Score2 with respect to the command-variable provide an AUC of as high as 0.77 and 0.79 respectively. The main results of the tree-analysis for single-rooted teeth are: Score1, vitality, loose-fitting, smoking habits, Gender, upper/lower jaw and age- related bone loss and their interactions are the most important indicators in a multivariate model predicting the command variable "survive/not-survive". For the multi-rooted teeth Score2, vitality, API, PBI, furcating, smoking habits, attachment-lost mesial, Gender, distal recession and age-related bone loss and their interactions are the most important indicators in a multivariate model predicting the command variable "survive/not-survive". Logistic regression, and moreover the tree analyses, offer scientifically well grounded and clearly represented results towards the probability of a tooth surviving the next 8 – 10 years. The analysis carved out how to identify the teeth with a high probability not to survive in the long term. This information can be of great help when deciding between treatment options.