颅面生长百分位曲线:来自颅面生长联合研究(CGCS)的临床工具

Craniofacial growth percentile curves: A clinical tool from the Craniofacial Growth Consortium Study

作者信息Heesoo Oh, Kevin M Middleton, Manish Valiathan, Dana L Duren, Kieran P McNulty, James A McNamara Jr, Mark Hans, Richard J Sherwood
PMID41784603
发布时间2026-03-04
DOI10.1016/j.ajodo.2025.11.026

实验完整度

低

本研究主要基于历史纵向头影测量数据的二次分析和统计建模,缺乏功能验证和机制验证,属于观察性分析。

主要模型

CGCS纵向队列(2100名未经治疗的个体,17290张头颅侧位片)

重点核对

样本量:男性1056,女性1044,年龄范围2.5–31.3岁 数据来源:CGCS包含8个生长研究队列(如Bolton-Brush、Michigan等) 统计分析:多水平双逻辑生长模型,使用Stan编程语言和Hamiltonian Monte Carlo采样 交叉验证:10折交叉验证,验证百分位区间的预测准确性 校正因素:针对不同生长队列的X射线放大校正因子

摘要

本研究旨在开发整合北美样本的新型头影测量标准,利用颅面生长联合研究(Craniofacial Growth Consortium Study, CGCS)的广泛纵向数据,建立针对颅面头影测量的性别特异性生长百分位曲线。方法:本研究包括2100名受试者(男性1056名,女性1044名),共17490张头颅侧位片,年龄范围2.5至31.3岁。计算了24项线性头影测量指标,包括颅底、上颌骨和下颌骨的特征。对于每项测量,使用多水平非线性生长模型按性别估计生长里程碑,创建百分位生长曲线,并开发网络界面工具以促进这些生长曲线的实际应用。结果:使用双逻辑生长模型估算了每个性别的生长里程碑,包括生长速度峰值时的年龄和峰值生长速度。颅面复合体不同区域的峰值生长速度时点有所不同。颅面生长百分位曲线已建立并经过交叉验证。开发了一个网络界面工具,允许用户获取个体特异性百分位分数。结论:所开发的百分位生长曲线和基于网络的工具为临床医生评估个体生长模式、识别与正常生长的偏差以及估计未来生长潜力提供了一个强大的框架,支持更个性化的治疗计划和时机。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
如何利用CGCS纵向数据建立颅面头影测量指标的性别特异性生长百分位曲线,并为临床提供可靠工具?
核心机制
文中未明确说明
主要证据
基于CGCS的17290张头颅侧位片,利用贝叶斯双逻辑生长模型生成24项线性测量的生长里程碑和百分位曲线,并通过10折交叉验证验证了预测准确性。
研究意义
所开发的百分位曲线和网络工具为临床医生评估个体生长模式、识别偏差和估计生长潜力提供参考框架,支持个性化治疗规划和时机。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据整合与质控

整合多个历史纵向生长研究的数据,形成统一数据集。

从AAOF颅面生长传统收藏中整合了8个生长研究,共2100名受试者,17290张头颅侧位片。应用了特定研究的X射线放大校正因子,并经过数字化的标志点。

2

头影测量标志点与测量

计算24项线性头影测量指标,包括颅底、上颌骨和下颌骨尺寸。

使用eDigit软件数字化12个颅面标志点,并计算24项线性测量。

3

生长建模

利用贝叶斯双逻辑生长模型描述颅面生长轨迹,并估计生长里程碑(如峰值生长速度时年龄和峰值生长速度)。

对每个测量指标,对男性和女性分别拟合双逻辑生长模型,估计参数包括渐进值、青春期前贡献等,并生成各个体随机效应。

4

生成百分位曲线和网络工具

基于模型预测分布创建性别特异性生长百分位曲线,并开发交互式网络工具供临床使用。

从后验预测分布中计算1%-99%的百分位值,并利用Shiny框架开发网络界面,允许用户输入性别、年龄和测量值来获取百分位。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

数据整合与校正
头影测量分析
模型验证
工具开发

产品清单

实验环节名称品牌货号
eDigit软件Craniofacial Research Instrumentation Lab; University of Pacific Arthur A Dugoni School of Dentistry--
Stan----
cmdstanr----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
样本与数据来源
样本来源为CGCS整合的8个历史生长研究,需核对各研究的入选标准和数据质量;样本量为2100人(男1056,女1044),年龄范围2.5–31.3岁。
阅读提示:Methods中“Material and Methods”的第一段和Table I
X射线放大校正
不同生长研究使用了不同的放大校正因子,需确认具体研究对应的校正因子,并乘以原始线性测量值。
阅读提示:Table III及相应正文描述
标志点数字化
使用了12个颅面标志点,需确保标志点定义与本研究一致。
阅读提示:Table II及Fig 4
生长模型拟合
贝叶斯双逻辑生长模型的参数设置、先验分布、采样链数、迭代次数等需核对;模型公式及参数定义见方法部分。
阅读提示:Statistical Analysis部分及补充材料
交叉验证
10折交叉验证的划分方式、评估指标(中50%和中98%百分位区间覆盖比例)需核对。
阅读提示:Statistical Analysis部分及Table V
网络工具使用
网络工具的输入参数(性别、年龄、测量值)和输出(百分位)需与网站实际功能一致。
阅读提示:网页工具网址及使用说明在正文中描述