medigraphic.com
ISSN 1561-297X (Impreso)

2017, Número 1

<< Anterior Siguiente >>

Rev Cubana Estomatol 2017; 54 (1)


Índice de riesgo de caries dental

González FV, Alegret RM, Martínez AJ, González FY

Idioma: Español
Referencias bibliográficas: 26
Paginas: 34-47
Archivo PDF: 238.55 Kb.


RESUMEN

Introducción: el desarrollo de índices para identificar el riesgo a padecer caries dental, permite focalizar intervenciones preventivas y optimizar los recursos sanitarios, lo que propicia mejores resultados en la atención a la población.
Objetivo: evaluar la capacidad discriminatoria de un índice de riesgo de caries dental.
Métodos: se realizó la investigación en dos etapas correspondientes al desarrollo y validación del índice, durante los cursos 2012-2013 y 2013-2014, respectivamente. La primera fue un estudio de casos y controles con niños entre 6 y 12 años de tres escuelas primarias de Santa Clara, Cuba. Se descartó en un inicio la presencia de caries y se recogió información sobre un grupo de variables; luego de diez meses se seleccionaron como casos a los 120 niños detectados con caries y del resto, 240 controles elegidos al azar. Se elaboró un índice mediante un procedimiento basado en la V de Cramer, y un modelo predictivo de caries mediante regresión logística. La segunda etapa fue un estudio transversal con 360 niños, para validar el índice y contrastarlo con el modelo predictivo mediante: área bajo la curva características operativas del receptor y otras medidas calculadas a partir de tablas de 2 × 2.
Resultados: el índice obtenido tuvo valores de sensibilidad, especificidad e índice de validez de 87,5 %, 82,5 % y 84,2 % respectivamente. El modelo de la regresión presentó cifras porcentuales de 80,8 %, 81,3 % y 81,1 %. El área bajo la curva del primero fue 0,889 y del segundo 0,870.
Conclusiones: los resultados avalan al índice obtenido mediante los valores de V de Cramer como un instrumento importante para la identificación del riesgo y, por consiguiente, la prevención y control de la caries dental de los niños de 6 a 12 años que residen en Santa Clara.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Pfeiffer RM. Extensions of criteria for evaluating risk prediction models for public health applications. Biostatistics. 2013;14(2):366-81.

  2. Oh SM, Stefani KM, Kim HC. Development and Application of Chronic Disease Risk Prediction Models. Yonsei Med J. 2014 July;55(4):853-60.

  3. Mures Quintana MJ, García Gallego A, Vallejo Pascual ME. Aplicación del análisis discriminante y regresión logística en el estudio de la morosidad en las entidades financieras. Comparación de resultados. Pecvnia. 2005;1(1):175-99.

  4. Singh K. Data analysis. In: Singh K. Quantitative social research methods. New Delhi: Chaman Enterprises; 2007. p. 122-77.

  5. Pérez Oropesa AL. Modelo de predicción de riesgo de caries dental en niños de la escuela "Antonio Maceo" [Tesis]. Villa Clara: Universidad Médica de Villa Clara; 2011.

  6. Collins G, Groot JA, Dutton S, Omar O, Shanyinde M, Tajar M, et al. External validation of multivariable prediction models: a systematic review of methodological conduct and reporting. BMC Medical Research Methodology. 2014;14(40):1-11.

  7. Collins GS, Reitsma JB, Altman DG, Moons KGM. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): The TRIPOD statement. Annals of Internal Medicine. 2015;162(1):55-64

  8. Sreenivasan PK, Prasad KVV, Javal SB. Oral health practices and prevalence of dental plaque and gingivitis among Indian adults. Clinical and Experimental Dental Research. 2016;2(1):6-17.

  9. Jeong E-G, Lee C-J, Lee K-H. The Clinical Test for Gingival Subsiding Effect by Use of Electric Gingival Stimulator. Int J Clin Prev Dent. 2016;12(3):163-8.

  10. Pinto T, Freitas G, Dutra D, Kantorski K, Moreira H. Frequency of mechanical removal of plaque as it relates to gingival inflammation. Oral Clinical Periodontology. 2013 [citado 2 Oct 2015];40(10):948-54. Disponible en: http://onlinelibrary.wiley.com/doi/10.1111/jcpe.12135/full

  11. Healthy mouths. Tooth savers Brushing Game [En línea]. 2016 [citado 4 oct 2016]. Disponible en: http://2min2x.org/index.html

  12. Grupo asesor metodológico estudios de salud de la familia. Manual para la intervención en la salud familiar. La Habana: Editorial Ciencias Médicas; 2002.

  13. Espinosa Fernandez R, Valencia Hitte R, Ceja Andrade I. Fluorosis dental. Lima: Ripano; 2012.

  14. González Ferrer V, Alegret Rodríguez M, González Ferrer Y, Moreno Arias A, Ramírez Marino M. Validación interna de modelo predictivo creado mediante nueva metodología aplicable en la atención primaria de salud. Medicent Electrón [En línea]. 2015 Oct-Dic [citado 2 Oct 2015];19(4):[aprox. 5 p.]. Disponible en: http://www.medicentro.sld.cu/index.php/medicentro/article/view/1966

  15. Rodríguez-Escudero JP, López-Jiménez F, Trejo-Gutiérrez Jorge F. Cardiología "basada en la evidencia": aplicaciones prácticas de la epidemiología. IV. Modelos de predicción de riesgo cardiovascular. Arch Cardiol Méx. [En línea]. 2012 Mar [citado 10 Ago 2014];82(1):[aprox. 3 p.]. Disponible en: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-99402012000100011&lng=es

  16. Chaurasia A, Harel O. Using AIC in Multiple Linear Regression framework with Multiply Imputed Data. Health Serv Outcomes Res Methodol. 2012;12(2-3):219-33.

  17. Steyerberg EW, Vergouwe Y. Towards better clinical prediction models: seven steps for development and an ABCD for validation. European Heart Journal. 2014;35:1925-31.

  18. Healey JF. Bivariate association for nominal and ordinal level variables. In: Healey JF. Healey JF. The essentials of statistics: A tool for social research. 4th ed. Boston: Cengage Learning; 2015. p. 292-9.

  19. Ioannidis JP, Greenland S, Hlatky MA, Khoury MJ, Macleod MR, Moher D, et al. Increasing value and reducing waste in researchdesign, conduct, and analysis. Lancet. 2014;383:166-75.

  20. Ioannidis JPA. Scientific inbreeding and same-team replication: type D personality as an example. J Psychosom Res. 2012;73:408-10.

  21. Moons KGM, Pascal Kengne A, Woodward M, Royston P, Vergouwe Y, Altman DG, et al. Risk prediction models: I. Development, internal validation, and assessing the incremental value of a new (bio) marker. Heart. 2012;98:683- 90.

  22. Sanchez-Perez L, Golubov J, Irigoyen-Camacho ME, Moctezuma PA, Acosta-Gio E. Clinical, salivary, and bacterial markers for caries risk assessment in schoolchildren: a 4-year follow-up. Int J Paediatr Dent. 2009;19(3):186-92.

  23. Gamboa LF, Cortés A. Valoración del riesgo de caries: ¿mito o realidad? Univ Odontol. 2013;32(68) 69-79.

  24. Fontana M, Santiago E, Eckert GJ, Ferreira-Zandona AG. Risk factors of caries progression in a Hispanic school-aged population. J Dent Res. 2011;90(10):1189-96.

  25. Kleinbaum DG, Klein M. Assessing discriminatory performance of a binary logistic model: ROC curves. In: Kleinbaum DG, Klein M. Logistic Regression, Statistics for Biology and Health. New York: Springer Science + Business Media, LLC; 2010. p. 345-87.

  26. Duque de Estrada Riverón J. Modelo Predictivo para determinar el Riesgo de Caries Dental en niños de 6 a 12 años. Ciudad de Matanzas 2004-2006 [tesis]. Matanzas: Instituto Superior de Ciencias Médicas de La Habana; 2010 [citado 10 Ago 2014]. Disponible en: http://tesis.repo.sld.cu/291/




2020     |     www.medigraphic.com