正畸治療患者發生牙齦炎的危險因素及列線圖預測模型構建

[摘要]目的：探討正畸治療患者發生牙齦炎的危險因素，并構建相關預測模型。方法：收集2017年5月-2022年1月于合肥市第三人民醫院行正畸治療的204例患者的臨床資料（性別、年齡、吸煙、矯治器裝置不良、每日刷牙次數、每次刷牙時間和口腔衛生健康教育情況），使用單因素和多因素Logistic回歸分析正畸治療患者發生牙齦炎的危險因素，并據此建立列線圖預測模型。結果：吸煙（OR=2.988，95%CI=1.331～6.706）、矯治器裝置不良（OR=2.712，95%CI=1.239～5.936）、每日刷牙次數＜2次（OR=2.808，95%CI=1.451～5.435）、每次刷牙時間短（OR=1.991，95%CI=1.233～3.214）和未受到口腔衛生健康教育（OR=2.423，95%CI=1.160～5.062）是正畸治療患者發生牙齦炎的獨立危險因素（P＜0.05）。依此建立預測正畸治療患者發生牙齦炎的列線圖風險模型，模型驗證結果顯示C-index為0.807，校正曲線趨近于理想曲線，ROC曲線的AUC為0.810（95%CI=0.775～0.843），在2%～85%范圍內，模型凈獲益值較高。結論：正畸治療患者發生牙齦炎的危險因素包括吸煙、矯治器裝置不良、每日刷牙次數＜2次、每次刷牙時間短和未受到口腔衛生健康教育，據此構建的列線圖模型能有效預測正畸治療患者發生牙齦炎的風險概率。

[關鍵詞]正畸；牙齦炎；危險因素；列線圖；風險概率

[中圖分類號]R783.5" " [文獻標志碼]A" " [文章編號]1008-6455（2025）06-0144-05

Establishment of A Nomogram Prediction Model of Risk Factors for Gingivitis in Orthodontic Treatment Patients

LIU Xin1， GONG Naisheng1， DU Ruohong2

（ 1.Department of Stomatology， Hefei Third People's Hospital， Hefei Third Clinical College of Anhui Medical University， Hefei 230001， Anhui， China; 2.Department of Stomatology， the First Affiliated Hospital of Anhui Medical University， Hefei 230002， Anhui， China ）

Abstract： Objective" To investigate the risk factors of gingivitis in orthodontic patients and establish the related prediction model. Methods" The clinical data （gender， age， smoking， poor appliance device，brushing times per day， single brushing time and oral health education） of 204 patients who received orthodontic treatment in Hefei Third People's Hospital from May 2017 to January 2022 were collected. The risk factors of gingivitis in orthodontic patients were analyzed by univariate and multivariate logistic regression， and a nomogram prediction model was established." Results" Smoking（OR=2.988， 95%CI =1.331-6.706）， poor appliance（OR=2.712， 95%CI=1.239-5.936），brushing times per day＜2（OR=2.808， 95%CI=1.451-5.435），short single brushing time（OR=1.991， 95%CI=1.233-3.214）and no oral health education（OR=2.423，95%CI=1.160-5.062）were independent risk factors for gingivitis in orthodontic patients （P＜0.05）. Based on the data， a nomogram risk model for predicting gingivitis in orthodontic patients was established. The model verification results showed that the C-index was 0.807， the correction curve was close to the ideal curve， and the AUC of ROC curve was 0.810 （95% CI= 0.775-0.843）. Within the range of 2%-85%， the model had a high net benefit value. Conclusion" The risk factors of gingivitis in orthodontic patients include smoking， poor appliance devices， brushing times per day＜2， short single brushing time and no oral health education. The nomogram model can effectively predict the risk probability of gingivitis in orthodontic patients.

Key words： orthodontics; gingivitis; risk factors; nomogram; risk probability

錯牙合畸形是指牙頜、顱面間關系不調而引起的各種畸形，臨床表現多樣，雖然目前尚未形成統一的流行病學調查標準，但薈萃分析顯示世界范圍內患病率呈上升趨勢[1]。正畸是糾正錯牙合畸形的重要治療手段，但治療期間由于托槽、弓絲、帶環、結扎圈、牽引鉤等裝置會使口腔內易殘留食物殘渣，長期可引起牙齦紅腫、出血、菌斑聚集等炎性癥狀，從而損害牙周組織，嚴重者可導致矯正失敗[2-3]。據報道[4-5]，牙齦炎的常規發病率約在30%以上，而正畸期間可達到50%以上，因此，及早預測牙齦炎的發生風險并采取干預措施對順利完成正畸治療和保護患者口腔健康具有重要意義。目前，對于牙齦炎的研究大多集中在炎癥分析和危險因素等方面，尚未能形成可靠的個體化預測模型[6-7]。列線圖是近年來廣泛應用于臨床預測的新型模型，具有風險可視化、個體化、定量化的特點[8]。基于此，本研究擬對行正畸治療患者的臨床資料進行調查，探究其發生牙齦炎的危險因素，并據此初步構建個體化預測正畸治療患者牙齦炎發生風險的列線圖模型，現報道如下。

1" 資料和方法

1.1 研究對象：選取2017年5月-2022年1月于合肥市第三人民醫院口腔門診行正畸治療的患者作為研究對象。納入標準：①年齡≤60歲，首次正畸治療，佩戴矯治器前經牙齦潔治；②認知和交流功能正常；③臨床資料完整。排除標準：①恒牙未萌出者；②既往有牙周病、黏膜疾病者；③近1個月內使用過抗菌藥物；④合并高血壓、糖尿病、血液系統疾病、免疫系統疾病者；⑤有喜硬食、喜軟食、大開口、夜磨牙等口腔不良習慣；⑥牙齦嚴重萎縮和變質。本研究已經醫院倫理委員會審批通過（倫理號：2025LLWL015）。

1.2 研究方法

1.2.1 資料收集：通過調查問卷的形式進行資料收集，參考《第四次全國口腔健康流行病學調查報告》[10]，結合研究目的、院內專家建議設計調查問卷。具體內容包括性別、年齡、吸煙（每日吸煙1支以上且時間超過1年）、矯治器裝置不良（邊緣有毛刺、矯治器固位不良、易脫落，鋼絲折斷脫落，矯治器損壞等）、每日刷牙次數、每次刷牙時間、口腔衛生健康教育。成立三人問卷小組，接受統一培訓，規范統一指導語，著重學習調查問卷規范填寫和質量評價的要點。于患者正畸治療6個月返院復查時，征得其同意后發放問卷，對無法獨立完成問卷填寫的患者由問卷小組人員指導或其家屬協助完成。

1.2.2 質量控制：將作答不清晰和不完整的問卷列為不合格問卷，予以剔除，其余問卷由問卷小組校對和邏輯查錯證實無誤后錄入數據庫。

1.2.3 牙齦炎診斷標準：問卷調查結束后，由問卷小組成員同期采用中華人民共和國國家衛生和計劃生育委員會推薦的《口腔健康調查-檢查方法》[10]中的牙齦指數（Gingival index，GI）對患者牙齦健康進行評估：牙齦健康無炎癥，記0分；牙齦顏色輕微改變伴輕度水腫，探診不出血為輕度炎癥，記1分；牙齦色紅、水腫光亮，探診出血為中度炎癥，記2分；牙齦明顯紅腫或有潰瘍，伴自動出血傾向為嚴重炎癥，記3分。

1.2.4 統計學分析：采用SPSS 22.0軟件進行數據分析，計數資料組間比較采用χ2檢驗。采用Logistic回歸方程篩選危險因素，以P＜0.05為差異有統計學意義。采用R（R 3.5.3）軟件包和rms程序包繪制列線圖。采用bootstrap自抽樣法作內部驗證，采用一致性指數（C-index）、校正曲線、ROC曲線和決策曲線評估模型的預測效能。檢驗水準α=0.05。

2" 結果

2.1 患者的一般情況：共入選的204例患者中，平均年齡（19.24±10.03）歲。GI：0分137例，1分54例，2分11例，3分2例，牙齦炎發生率為32.8%（67/204）。采用計算公式n=[（Ζα/2）2×P×（1-P）]/δ2[11]對樣本量進行驗證，其中Ζα/2為1.96，P為陽性率，設為32.8%，δ為最大允許誤差。在90%置信度下，絕對誤差為10%，取總比例為50%，則抽樣估算樣本量應為170例，考慮10%的脫落率，則應接觸樣本量為189例，故此次納入樣本量充足（204＞189）。正畸治療后發生牙齦炎典型病例見圖1。

2.2 正畸治療患者發生牙齦炎的單因素分析：基于牙齦炎發生情況將患者分為牙齦炎組（n=67）和非牙齦炎組（n=137）。單因素分析結果顯示：兩組患者吸煙、矯治器裝置不良、每日刷牙次數、每次刷牙時間、口腔衛生健康教育資料間差異有統計學意義（P＜0.05），見表1。

2.3 正畸治療患者發生牙齦炎的多因素Logistic回歸分析：以牙齦炎發生情況為因變量（發生=1，未發生=0），以單因素分析中有統計學意義的項目（吸煙：是=1，否=0；矯治器裝置不良：是=1，否=0；每日刷牙次數：＜2次=1，≥2次=0；每次刷牙時間：＜1 min=2，1～3 min=1，＞3 min=0；口腔衛生健康教育：否=1，是=0）為自變量，進行二分類Logistic回歸分析，結果顯示：吸煙、矯治器裝置不良、每日刷牙次數＜2次、每次刷牙時間短、未受到口腔衛生健康教育是正畸治療患者發生牙齦炎的獨立危險因素（P＜0.05）。見表2。

2.4 正畸治療患者發生牙齦炎的列線圖風險預警模型的建立：將上述5項危險因素的數據錄入R軟件包和rms程序包進行整合，構建預測正畸治療患者發生牙齦炎風險的列線圖模型，見圖2。

2.5 列線圖模型的驗證：模型驗證結果顯示C-index為0.807；校正曲線趨近于理想曲線，見圖3；ROC曲線下面積（AUC）為0.810（95%CI=0.775～0.843），見圖4；決策曲線表明，在2%～85%范圍內，列線圖預測正畸治療患者發生牙齦炎風險凈獲益值較高，見圖5。

3" 討論

正畸是一種通過矯治器產生的作用力來治療錯牙合畸形的有效手段，有利于恢復口腔功能和改善口腔美觀，但在治療過程中也可能發生一系列并發癥[12]。張翼等[13]研究發現，有55.40%的正畸患者會發生牙齦炎，羅永軍等[14]報道的正畸過程中牙齦炎的患病率為48.98%，均高于本文結果顯示的32.8%，這種差異可能與樣本量、入組標準、診斷方式、隨訪時間、地區飲食習慣等多種因素有關。

本研究篩選出吸煙、矯治器裝置不良、每日刷牙次數＜2次、每次刷牙時間短、未受到口腔衛生健康教育是正畸治療患者發生牙齦炎的獨立危險因素。吸煙是國內外研究公認的牙周疾病的危險因素[15-16]，本文也有相同結果。究其原因，可能是吸煙會使口腔衛生環境變差，促進菌斑積聚和色素沉著，易形成牙結石。還會引起局部血液循環和氧張力降低，牙齦組織防御能力減弱，從而導致致病菌侵襲風險增加。本研究發現正畸裝置與牙齦的貼合程度同牙齦炎的發生密切相關，矯治器裝置不良會導致常規的刷牙清潔難以清除托槽、帶環內的食物殘渣，而Romero-Castro NS等[17]提出食物的殘渣附著是誘發牙齦炎的重要因素。此外，矯治器會對牙齦產生持續的機械刺激，長時間可引起牙齦紅腫，最終導致牙齦炎。刷牙能夠有效去除牙菌斑、軟垢和食物殘渣，是預防口腔疾病發生發展的基本手段。本研究顯示牙齦炎組和非牙齦炎組在刷牙次數和刷牙時間方面存在顯著差異，與孟玉生等[18]研究結果一致。正畸患者的食物殘渣和牙菌斑易堆積在裝置以及牙齒和牙齦之間的牙齦溝內，刷牙次數較少或刷牙時間較短會使口腔活動減少，菌斑無法得到有效的清除和控制，繼而易造成牙齦紅腫出血等炎性癥狀。本研究中未接受口腔健康教育的患者發生牙齦炎的風險是接受教育的4.477倍，既往研究也證明牙周疾病的發生與患者對疾病認知缺乏有關[19]。口腔健康教育能夠使患者明確口腔疾病和在正畸治療過程中的自身保護措施，即注意口腔的日常清潔，盡可能減少牙菌斑的滯留和生長，消除牙周病的始動因子。

相較于傳統的代數模型，如MELD模型和UKELD模型采取評分公式進行臨床預測[20]，由線段組成的列線圖模型不僅直觀簡潔，而且省去了復雜的數學運算，只需通過變量信息和簡單的求和運算即可得到風險值，臨床實用性更強。模型驗證方面，本研究對既往報道[21]中列線圖的臨床效用評估方法進行了實踐，結果顯示C-index為0.807，1范圍內數值較大，表明模型預測值同觀察值一致性越好；校正曲線與理想曲線走勢基本一致，表明模型預測準確性越好；ROC曲線顯示AUC為0.810[95%CI（0.775～0.843）]，1范圍內數值較大，表明模型區分度越好；決策曲線顯示在2%～85%范圍內，列線圖獲益，0%～100%可選的閾值范圍較大，表明模型凈獲益值較大，適用于正畸患者牙齦炎風險的預測。此外，使用者還可以降低列線圖的得分為目標對患者進行早期干預，如在正畸前宣教佩戴矯治器后的口腔清潔方式，勸導戒煙，囑咐每日保證刷牙次數和方法正確，以降低牙齦炎的發生風險。

綜上所述，臨床應對吸煙、矯治器裝置不良、每日刷牙次數＜2次、每次刷牙時間短、未受到口腔衛生健康教育的正畸患者予以高度重視，警惕其發生牙齦炎。根據危險因素建立的列線圖模型能夠有效預測正畸患者發生牙齦炎的風險，有助于臨床早期篩查牙齦炎患者。本研究也存在不足，納入單中心病例數有限，研究數據可能因樣本量不足而存在選擇性偏倚；未對正畸時間更長的患者進行回訪；未對已發生牙齦炎的患者進行遠期預后評估。故模型仍需后續研究予以進一步完善。

利益沖突：所有作者聲明不存在利益沖突。

[參考文獻]

[1]Lombardo G， Vena F， Negri P， et al. Worldwide prevalence of malocclusion in the different stages of dentition： A systematic review and meta-analysis[J]. Eur J Paediatr Dent， 2020，21（2）：115-122.

[2]Nazeh A A， Alshahrani A A， Almoammar S， et al. Application of photodynamic therapy against periodontal bacteria in established gingivitis lesions in adolescent patients undergoing fixed orthodontic treatment - Science Direct[J]. Photodiagnosis Photodyn Ther， 2020，31：101904.

[3]趙玥，陶李明.低強度激光照射對正畸治療慢性牙周炎患者疼痛及牙周健康狀況的影響[J].安徽醫學，2021，42（6）：624-627.

[4]韓爽，笪海芹，許諾．固定正畸結合GTR對中重度牙周病伴錯頜畸形患者的療效[J].安徽醫學，2019，40（1）：47-50.

[5]Pitchika V， Thiering E， Metz I， et al. Gingivitis and lifestyle influences on high-sensitivity Creactive protein and interleukin 6 in adolescents[J]. J Clin Periodontol， 2017，44（4）：372-381.

[6]袁爽，施樂，陳琦雯.上海市靜安區初中學生牙齦炎現狀及影響因素分析[J].口腔材料器械雜志，2019，28（2）：32-37.

[7]Zanatta F B， Grellmann A P， Tomitsuka S， et al. Histological and inflammatory analysis to diagnostic method of proximal gingivitis by flossing[J]. Clin Oral Investig， 2019，23（8）：3193-3202.

[8]Zhang X M， Zhao X， Huo L L， et al. Risk prediction model of gestational diabetes mellitus based on nomogram in a Chinese population cohort study[J]. Sci Rep， 2020，10（1）：21223.

[9]中華口腔醫學會.第四次全國口腔健康流行病學調查報告[M].北京：人民衛生出版社，2018：156-157.

[10]馮希平.口腔健康調查一檢查方法[S].北京：中華人民共和國國家衛生和計劃生育委員會，2015：3-7.

[11]Kumar A， Dogra S， Kaur A， et al. Approach to sample size calculation in medical research[J]. Curr Med Res Pract，2 014，4（2）：87-92.

[12]Mohamed Abdelsalam A O， Ghandour I A. Prevalence of chronic gingivitis among 16 years old public high school students in khartoum[J]. Med Phoenix， 2018，3（1）：1-5.

[13]張翼，朱銘慧，鄒賢玉，等.貴陽固定正畸中學生牙齦炎發生的影響因素分析[J].中國學校衛生，2020，41（10）：1578-1580.

[14]羅永軍，朱懷蘭，楊雪峰.正畸固定矯治器對牙齦指數和口腔衛生指數的影響觀察[J].中外醫療，2018，37（35）：63-65.

[15]李明一，柳曉琳.城鎮居民牙周炎患病危險因素病例對照研究[J].實用口腔醫學雜志，2019，35（2）：284-288.

[16]Thomas J T， Thomas T， Ahmed M， et al. Prevalence of periodontal disease among obese young adult population in saudi arabia—a cross-sectional study[J]. Medicina， 2020，56（4）：197.

[17]Romero-castro N S， Paredes-solís S， Legorreta-soberanis J， et al. Prevalence of gingivitis and associated factors among students from the Autonomous University of Guerrero，Mexico[J]. Revista Cubana de Estomatol， 2016，53（2）：9-16.

[18]孟玉生，張強，劉蕓，等.唾液變形鏈球菌感染水平與低齡兒童齲病及口腔行為習慣的相關性研究[J].臨床口腔醫學雜志，2020，36（4）：219-223.

[19]胡小素，張文麗，胡何晶，等.綜合醫院口腔科門診健康教育現狀及醫護人員對患者健康素養期望的研究[J].中國健康教育，2019，35（2）：142-145.

[20]賈玉龍，周潔，陳穎，等.臨床預測模型的綜合評價體系研究[J].中國衛生統計，2019，36（5）：728-730，734.

[21]Zhou Z R， Wang W W， Li Y， et al. In-depth mining of clinical data： the construction of clinical prediction model with R[J]. Ann Transl Med， 2019，7（23）：796.

[收稿日期]2022-08-22

本文引用格式：劉欣，龔乃勝，杜若鴻.正畸治療患者發生牙齦炎的危險因素及列線圖預測模型構建[J].中國美容醫學，2025，34（6）：144-148.