横断面数据收集与变量定义
建立研究队列并定义暴露、结局和协变量
连续招募2021年7月1日至8月2日期间就诊于附属大学医院牙科部的20岁及以上患者，收集全景放射影像、医疗记录和生活方式数据，定义CAC、DMFT、牙周病、根尖周炎及协变量。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
生活方式行为作为口腔健康与颈动脉钙化关联中的效应修饰因素：一项横断面研究
Lifestyle behaviors as Effect Modifiers in the Association Between Oral Health and Carotid Artery Calcification: A Cross-Sectional Study
实验完整度
中横断面研究，基于全景放射影像评估CAC与口腔健康指标，使用DAG调整混杂及交互分析，无功能验证
主要模型
670例牙科就诊患者全景放射影像 患者医疗记录与生活习惯数据
重点核对
CAC评估：两名专家独立评估全景放射影像，观察者间kappa系数0.851，一致率94.29% 牙周评估：两名专家独立评估，观察者间kappa系数0.771，一致率88.57% 根尖周评估：两名专家独立评估，观察者间kappa系数0.711%，一致率85.71% 混杂因素调整：使用DAG确定最小充分调整集（年龄、性别、高血压、高脂血症、DM、饮酒、咀嚼槟榔、吸烟） 交互分析：CAC与饮酒、咀嚼槟榔、吸烟的交互项，对显著交互进行分层分析
摘要
引言与目的
全景放射影像检测到的颈动脉钙化（CAC）与口腔健康之间的关系因潜在混杂因素而仍不明确。本研究旨在调整这些混杂因素后评估该关联，并探讨生活方式行为的潜在效应修饰作用。
方法
本横断面研究评估了全景放射影像上的CAC与口腔健康结局（包括龋失补牙数（DMFT）指数、牙周病和根尖周炎）之间的关联。使用有向无环图确定最小充分调整集，包括社会人口学因素、医疗状况（高血压、高脂血症和糖尿病）以及生活习惯（饮酒、咀嚼槟榔和吸烟）。对缺失值进行多重插补后获得完整数据集。使用回归模型检验关联，并使用交互项评估生活方式行为的效应修饰作用，对显著交互作用进行分层分析。
结果
CAC（670例患者）的患病率为21.49%。CAC患者的DMFT指数高2.026个单位，根尖周炎牙齿多0.290颗，牙周病比值高1.873倍，牙周与根尖周疾病并存的比值高1.554倍。调整混杂因素后，CAC与口腔健康结局之间的关联消失。年龄与较高的DMFT指数（0.279个单位）、较多的根尖周炎牙齿（0.017个单位）以及较高的牙周和根尖周疾病比值（每年3.5%–7.8%）相关（P < .001）。男性与牙周病相关。观察到CAC与饮酒之间存在显著交互作用，在饮酒者中CAC与牙周病显著相关（比值比 = 9.051）。
结论
调整混杂因素后，CAC与口腔健康结局之间的关联消失。饮酒修饰了CAC与牙周病之间的关联，在饮酒者中观察到该关联。
临床相关性
虽然放射影像检测CAC有助于心血管风险识别和转诊，但饮酒修饰了CAC与牙周病之间的关联。
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
- 在调整混杂因素后，全景放射影像检测的颈动脉钙化与口腔健康结局（DMFT指数、牙周状况和根尖周状况）是否存在关联，以及生活方式行为是否修饰该关联？
- 核心机制
- 文中未明确说明
- 主要证据
- 670例患者的横断面研究显示，粗分析中CAC与DMFT指数、根尖周炎牙齿数、牙周病及并存疾病相关，但调整DAG确定的混杂因素后关联消失；年龄与所有口腔健康结局显著相关，男性与牙周病相关；CAC与饮酒的交互项对牙周病显著（P = .042），分层分析显示饮酒者中CAC与牙周病相关（OR = 9.051）。
- 研究意义
- 放射影像检测CAC有助于心血管风险识别和转诊，但饮酒修饰了CAC与牙周病之间的关联，提示在CAC患者中评估口腔健康时需考虑生活方式行为。
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。
全景放射影像评估CAC与口腔健康指标
评估CAC、牙周状况和根尖周状况
使用Veraviewepocs 2D系统拍摄全景放射影像，两名专家独立评估CAC（C3至C4椎体附近的结节状、线状、不规则或异质性阻射结构）、牙周骨丢失（>根长1/3，牙周病定义为≥30%牙齿骨丢失）和根尖周指数（评分≥3为根尖周炎）。
混杂因素识别与调整
使用DAG确定最小充分调整集以控制混杂
构建有向无环图（DAG），以CAC为暴露，DMFT指数、牙周病和根尖周炎为结局，确定最小充分调整集，并在多变量回归模型中调整。
多重插补处理缺失数据
处理缺失值以获得完整分析数据集
假设数据为随机缺失，使用马尔可夫链蒙特卡洛方法生成5个插补数据集，所有协变量纳入插补模型。
回归分析与交互作用评估
评估CAC与口腔健康结局的关联及生活方式行为的效应修饰
使用单变量和多变量线性回归分析连续变量（DMFT指数、根尖周炎牙齿数），逻辑回归分析分类结局（牙周病、根尖周炎、并存疾病），使用CAC与饮酒、咀嚼槟榔、吸烟的交互项评估效应修饰，对显著交互进行分层分析。
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。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 全景放射影像采集 | Veraviewepocs 2D系统 | Morita Corp. | -- |
| 全景放射影像处理 | i-Dixel软件 | -- | -- |
| 数据分析 | SPSS软件（IBM SPSS Statistics for Windows，版本25.0） | IBM Corp. | -- |
| 样本量计算 | G*Power（版本3.1.9.7） | -- | -- |
| DAG构建 | DAGitty软件 | Theoretical Biology & Bioinformatics Group, Utrecht University | -- |
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 |
|---|---|
| 研究对象与纳入排除 | 纳入年龄≥20岁且有全景放射影像的患者；排除标准包括年龄<20、无全景影像、口腔恶性肿瘤、正颌手术或正畸治疗、完全无牙、金属骨板植入物、骨坏死、牙弓骨折、影像伪影干扰评估；最终纳入670例 阅读提示：Methods中Setting and study participants小节 |
| CAC评估 | 两名专家独立评估全景放射影像上C3至C4椎体附近的结节状、线状、不规则或异质性阻射结构；观察者间kappa系数0.851，一致率94.29% 阅读提示：Methods中CAC小节及Figure 1图注 |
| 牙周和根尖周评估 | 牙周病定义为骨丢失涉及≥30%的牙齿；根尖周炎定义为根尖周指数评分≥3；牙周评估观察者间kappa系数0.771，一致率88.57%；根尖周评估观察者间kappa系数0.711%，一致率85.71% 阅读提示：Methods中Periodontal assessment和Periapical assessment小节 |
| 混杂因素调整 | 使用DAG确定最小充分调整集，包括年龄、性别、高血压、高脂血症、糖尿病、饮酒、咀嚼槟榔和吸烟；所有多变量模型调整这些变量 阅读提示：Methods中Confounder selection by DAG小节及Figure 2 |
| 交互作用分析 | 使用CAC与饮酒、咀嚼槟榔、吸烟的交互项；对显著交互（CAC × 饮酒对牙周病，P = .042）进行分层分析；统计显著性定义为P < .05 阅读提示：Methods中Interaction analysis小节及Table 5、Appendix 7 |