Ontwikkeling en interne validatie van een explorerend nomogram voor de last van cerebrale kleinevatenziekte op basis van parodontale parameters

Samenvatting

Dit protocol beschrijft de ontwikkeling en interne validatie van een verkennend nomogram waarin parodontale parameters en conventionele risicofactoren zijn geïntegreerd om de last van cerebrale kleinevatenziekte te schatten voor geïndividualiseerde risicostratificatie.

Samenvatting

Cerebrale kleine vatziekte (CSVD) is een belangrijke oorzaak van beroertes en cognitieve achteruitgang, maar de bijdrage van parodontale ziekten aan de totale CSVD-last blijft onduidelijk. We streefden ernaar een verkennend klinisch nomogram te ontwikkelen en intern te valideren, waarin parodontale parameters zijn opgenomen om een hoge CSVD-last te schatten. In totaal ondergingen 234 personen magnetic resonance imaging (MRI) voor de beoordeling van de totale CSVD-last (score 0–4). De ernst van de parodontitis en het aantal behouden tanden werden geregistreerd. Optimale predictoren, geselecteerd met behulp van least absolute shrinkage and selection operator (LASSO) regressie, werden ingevoerd in een multivariabele logistische regressie om het nomogram te construeren, waarna dit werd geëvalueerd op discriminatie, kalibratie en klinisch nut. Restricted cubic spline-analyse toonde een lineaire dosis-responsrelatie aan tussen tandverlies en een hoge CSVD-last (P voor niet-lineariteit = 0,332). Multivariabele analyse identificeerde hoge leeftijd en hypertensie als onafhankelijke prognostische factoren; echter werden de associaties van ernstige parodontitis (P = 0,580) en ernstig tandverlies (P = 0,112) afgezwakt en waren deze na correctie niet onafhankelijk geassocieerd met een hoge CSVD-last. Het nomogram vertoonde een bescheiden discriminatie (area under the curve = 0,675) en een gunstige, via bootstrap gevalideerde kalibratie (mean absolute error = 0,038). Decision curve-analyse suggereerde een potentieel klinisch nut over geselecteerde risicodrempels, hoewel de interpretatie verkennend blijft vanwege het ontbreken van externe validatie. Hoewel ernstige parodontitis en tandverlies univariabele associaties vertoonden met een hoge CSVD-last, waren ze geen onafhankelijke predictoren na multivariabele correctie. Dit verkennende nomogram biedt een voorlopig visualisatiekader voor individuele risicostratificatie en rechtvaardigt verdere externe validatie vóór klinische implementatie.

Inleiding

Cerebrale kleine vaatziekten (CSVD) vormen een chronische en sluipende microvasculaire aandoening van de hersenen die breed wordt erkend als een leidende vasculaire oorzaak van beroertes, cognitieve achteruitgang en mobiliteitsbeperkingen bij ouderen¹. Historisch gezien werden individuele markers van CSVD op magnetische resonantie-imaging (MRI), waaronder witte stof hyperintensiteiten (WMH), lacunaire infarcten, cerebrale microbloedingen (CMBs) en verbrede perivasculaire ruimten (EPVS), onafhankelijk van elkaar geëvalueerd. Deze neuro-imaging fenotypes komen echter vaak gelijktijdig voor en worden aangedreven door gedeelde pathologische mechanismen, in het bijzonder endotheliale dysfunctie en microvasculaire lekkage². Bijgevolg pleiten recente consensusverklaringen voor het gebruik van een scoresysteem voor de totale CSVD-last³. Deze geïntegreerde maatstaf weerspiegelt de cumulatieve impact van cerebrale microvasculaire schade uitgebreider dan individuele imaging-markers en vormt een superieure indicator voor de algehele neurologische achteruitgang⁴.

De etiologie van CSVD is nog niet volledig begrepen; chronische systemische ontsteking van lage graad wordt echter steeds vaker erkend als een belangrijke bijdrager aan cerebrale endotheelschade en verstoring van de bloed-hersenbarrière⁵. Binnen deze context is parodontitis, een zeer prevalente inflammatoire ziekte veroorzaakt door dysbiotische biofilms die het tandondersteunende weefsel aantast, naar voren gekomen als een potentieel modificeerbare risicofactor voor neurovasculaire ziekten binnen het kader van de orale-brein-as⁶. Ernstige parodontitis leidt niet alleen tot progressieve destructie van het alveolaire bot en uiteindelijk tandverlies, maar dient ook als een persistent reservoir van parodontale pathogenen en pro-inflammatoire cytokinen⁷. Deze inflammatoire mediatoren kunnen in de systemische circulatie terechtkomen, waardoor ze bijdragen aan vasculaire remodellering en atherogenese⁸.

Recente epidemiologische studies hebben een associatie aangetoond tussen ernstige parodontitis en een verhoogd risico op ischemische beroertes⁹. Desondanks blijft het bewijs met betrekking tot de relatie met de cumulatieve last van CSVD beperkt en gefragmenteerd. Bovendien is tandverlies, het uiteindelijke klinische gevolg van parodontale ziekten, geassocieerd met cognitieve achteruitgang en cardiovasculaire mortaliteit¹⁰. De dosis-responserelatie tussen tandverlies en cerebrovasculaire schade is echter nog onvoldoende bekend. In het bijzonder is onduidelijk of het risico op CSVD toeneemt nadat een kritische drempelwaarde voor het aantal resterende tanden is bereikt, of dat er sprake is van een continu lineair dosis-respons patroon.

Hoewel de associatie tussen parodontale destructie en cerebrale microvasculaire beschadiging biologisch plausibel is, vereisen de onderliggende systemische immuun-inflammatoire mechanismen van deze relatie verdere karakterisering. Conventionele inflammatoire biomarkers, waaronder geïsoleerde tellingen van leukocyten-subsets en hooggevoelig C-reactief proteïne, brengen mogelijk de complexiteit van de immuun-inflammatoire respons van de gastheer in klinische settings onvoldoende in kaart. De Systemic Immune-Inflammation Index (SII), berekend op basis van perifere bloedplaatjes-, neutrofielen- en lymfocytengetallen, is recentelijk naar voren gekomen als een uitgebreide inflammatoire biomarker¹¹. De SII weerspiegelt de balans tussen systemische inflammatoire activiteit en de immuunstatus. Verhoogde SII-waarden hebben prognostische waarde getoond bij een reeks cerebrovasculaire aandoeningen door de ernst van acute beroertes en slechte functionele uitkomsten te voorspellen, en zijn ook geassocieerd met de totale CSVD-last, cognitieve beperkingen en de gegradeerde diagnose van parodontitis^12,13. Omdat parodontitis chronische systemische inflammatie induceert, kan de evaluatie van de SII in combinatie met parodontale parameters de identificatie van individuen met een risico op sluimerende cerebrale microvasculaire beschadiging verbeteren.

Ondanks de groeiende belangstelling voor de as tussen de mondholte en de hersenen, vertoont de huidige literatuur verschillende methodologische beperkingen. De meeste studies hebben zich gericht op individuele beeldvormingsmarkers voor CSVD of op enkele parameters van de mondgezondheid, zonder de ernst van parodontitis, het uiteindelijke klinische gevolg daarvan (tandverlies) en systemische immuun-inflammatoire reacties te integreren in een eenduidige beoordeling. Belangrijker nog is dat de klinische praktijk behoefte heeft aan praktische instrumenten voor risicobeoordeling; visuele hulpmiddelen, zoals nomogrammen voor het identificeren van patiënten met een hoog risico op CSVD op basis van gecombineerde orale en systemische inflammatoire profielen, zijn echter nog beperkt. Bestaande benaderingen voor de risicobeoordeling van CSVD vertrouwen primair op individuele biomarkers of conventionele demografische factoren, die de multifactoriële interacties tussen systemische inflammatie en mondgezondheid mogelijk niet adequaat vatten. Bovendien vereist de ontwikkeling van betrouwbare voorspellingsmodellen robuuste methoden voor variabeleselectie. Conventionele benaderingen, zoals stapsgewijze regressie, kunnen onstabiel zijn bij toepassing op hoogdimensionale klinische datasets en kunnen worden beïnvloed door gecorreleerde predictoren. De least absolute shrinkage and selection operator (LASSO) regressiebenadering pakt deze uitdagingen aan door coëfficiënt-penalisatie toe te passen om overfitting te verminderen en de meest informatieve predictoren voor modelontwikkeling te identificeren¹⁴.

Gedreven door deze lacunes in de kennis was deze retrospectieve cross-sectionele studie ontworpen met twee hoofddoelstellingen. Ten eerste streefden we ernaar de dosis-responsrelatie tussen het aantal behouden tanden en een hoge CSVD-last te karakteriseren met behulp van een restricted cubic spline (RCS)-analyse om potentiële niet-lineaire drempeleffecten en lineaire trends te evalueren. Ten tweede probeerden we een verkennend klinisch nomogram te ontwikkelen met behulp van LASSO-gebaseerde variabeleselectie en de incrementele risicoreclassificatie te evalueren die parodontale parameters bieden bovenop conventionele risicofactoren. Wij stelden ons voor dat de integratie van de parodontale status, tandverlies en de SII in een multidimensionaal model een verkennend visualisatiekader zou kunnen bieden voor het schatten van de cumulatieve CSVD-last en de geïndividualiseerde risicostratificatie zou kunnen verbeteren. In de klinische praktijk is het voorgestelde nomogram bedoeld als een snelle, niet-invasieve aanvullende tool om neurologen te helpen bij het identificeren van patiënten die baat kunnen hebben bij een vroege cerebrovasculaire evaluatie of een multidisciplinaire tandheelkundige beoordeling. Gezien het verkennende karakter, de bescheiden discriminerende prestaties en het gebrek aan externe validatie mag het nomogram echter niet worden beschouwd als een vervanging voor diagnose op basis van magnetic resonance imaging (MRI). Bovendien kan de toepassing beperkt zijn bij patiënten met actieve acute infecties, ernstige auto-immuunziekten of recent trauma, aangezien deze aandoeningen systemische inflammatoire biomarkers aanzienlijk kunnen beïnvloeden en de risisschatting kunnen beïnvloeden.

Protocol

Deze retrospectieve cross-sectionele associatiestudie betrok opeenvolgende patiënten die tussen januari 2022 en december 2024 werden opgenomen op de afdeling Neurologie van het Changzhou No. 2 People’s Hospital voor duizeligheid, hoofdpijn, screening op beroertes of cognitieve beoordeling. Geïnformeerde toestemming werd niet vereist vanwege het retrospectieve, niet-interventionele karakter van de studie en het gebruik van volledig geanonimiseerde gegevens. De studie werd goedgekeurd door de Clinical Medical Technology Ethics Committee van het Changzhou No. 2 People’s Hospital (IRB-goedkeurings-ID: [2023] YLJSA069) en werd uitgevoerd in overeenstemming met de institutionele richtlijnen.

Studieontwerp en patiëntenpopulatie

In eerste instantie werden 850 patiënten geëvalueerd. De exclusiecriteria waren als volgt strikt gedefinieerd: (1) ontbreken van volledige craniale MRI-sequenties (met name het ontbreken van susceptibility-weighted imaging [SWI], waardoor een nauwkeurige evaluatie van microbloedingen onmogelijk was); (2) afwezigheid van gedetailleerde periodontal probing-gegevens of gegevens over het aantal tanden in de hele mond; (3) onvolledige bloedbeeldgegevens, waardoor de berekening van de SII niet mogelijk was; (4) voorgeschiedenis van een massaal infarct, hersentumor, traumatisch hersenletsel of infectie van het centraal zenuwstelsel; en (5) aanwezigheid van een actieve acute infectie, ernstige auto-immuunziekte of maligniteit in de afgelopen maand om verstorende effecten op systemische ontstekingsmarkers te minimaliseren. Om de dataintegriteit te waarborgen, werd een complete-case-analysebenadering gehanteerd, waarbij personen die enige kern parameters op klinisch-radiologisch gebied misten, werden uitgesloten. Na screening werden 234 geschikte deelnemers in de analyse opgenomen. Deze steekproef, bestaande uit 129 high-burden events, voldeed aan de vuistregel van events-per-variable (EPV) >10 voor stabiele multivariabele modellering.

Beoordeling van de Parodontale Status en Ontsteking

Twee gekalibreerde periodontologen voerden alle klinische orale beoordelingen uit met behulp van een gestandaardiseerde periodontale sonde.

Voorafgaand aan de studie ondergingen beide onderzoekers een standaardisatietraining en was de inter-beoordelaarsbetrouwbaarheid uitstekend (Cohen’s κ = 0,82). De pocketdiepte (PPD) en het klinische hechtingsniveau (CAL) werden op zes locaties per tand gemeten. Op basis van het classificatiekader uit 2018, beschreven door Tonetti et al.¹⁵, werd parodontitis geclassificeerd als mild/afwezig, matig of ernstig. Specifiek werden deelnemers als volgt gecategoriseerd: (1) milde/afwezige parodontitis (inclusief parodontale gezondheid en stadium I parodontitis), gedefinieerd als een interdentale klinische hechtingsverlies (CAL) op de plek van het grootste hechtingsverlies van ≤2 mm en een pocketdiepte (PPD) van ≤4 mm, zonder tandverlies gerelateerd aan parodontitis; (2) matige parodontitis (stadium II parodontitis), gedefinieerd als een interdentale CAL van 3–4 mm, een maximale PPD van ≤5 mm en maximaal vier tanden verloren door parodontitis; en (3) ernstige parodontitis (stadium III/IV parodontitis), gedefinieerd als een interdentale CAL ≥5 mm, PPD ≥6 mm, en/of verlies van vier of meer tanden als gevolg van parodontale destructie¹⁵.

Het aantal behouden tanden werd voor elke deelnemer gedocumenteerd. Omdat het behouden van minimaal 20 functionele tanden een algemeen geaccepteerde klinische benchmark is voor het behoud van de basisorale functie en succesvolle orale veroudering^16,17,18, werd het exacte aantal tanden omgezet in een binaire variabele: ernstig tandverlies (<20 tanden) versus niet-ernstig tandverlies (≥20 tanden).

Met betrekking tot systemische inflammatie werd de SII afgeleid van nuchtere bloedmonsters die bij opname zijn verzameld. Veneuze bloedmonsters werden verzameld in EDTA-buizen en verwerkt volgens het standaard klinisch laboratoriumprotocol van het ziekenhuis vóór analyse met een geautomatiseerde hematologie-analyser om de aantallen neutrofielen, lymfocyten en bloedplaatjes te bepalen. De index werd als volgt berekend:

Om rekening te houden met de sterk scheve verdeling van de SII-waarden, werd een natuurlijke logaritmische transformatie (Log_SII) toegepast voorafgaand aan de opname in de statistische analyses.

MRI-acquisitie en totale CSVD-last

Alle proefpersonen ondergingen gestandaardiseerde craniale MRI-onderzoeken met een 3.0 T MRI-scanner uitgerust met een standaard hoofdspoel. Het beeldvormingsprotocol omvatte T1-gewogen, T2-gewogen, fluid-attenuated inversion recovery (FLAIR) en susceptibility-weighted imaging (SWI) sequenties, verkregen met een schijfdikte van 5 mm. De standaard beeldvormingsparameters waren als volgt geconfigureerd: T1-gewogen beeldvorming (repetitietijd [TR] = 2.000 ms, echotijd [TE] = 9 ms, field of view [FOV] = 230 × 230 mm², matrixgrootte = 256 × 256); T2-gewogen beeldvorming (TR = 4.500 ms, TE = 85 ms, FOV = 230 × 230 mm², matrixgrootte = 256 × 256); fluid-attenuated inversion recovery (FLAIR) beeldvorming (TR = 8.500 ms, TE = 120 ms, inversietijd [TI] = 2.400 ms, FOV = 230 × 230 mm², matrixgrootte = 256 × 256); en susceptibility-weighted imaging (SWI) (TR = 28 ms, TE = 20 ms, fliphoek = 15°, FOV = 230 × 230 mm², matrixgrootte = 256 × 256). Alle sequenties werden verkregen met een schijfdikte van 5 mm en een tussenruimte tussen de schijven van 1.0 mm. De specifieke scanner staat vermeld in de tabel met materialen. De beeldvormingsmarkers van CSVD werden onafhankelijk geëvalueerd door twee neuroradiologen die blind waren voor de klinische gegevens van de deelnemers. De interbeoordelaarsbetrouwbaarheid van de totale CSVD-belastingsscore was hoog (Cohen’s κ = 0,85). Eventuele onenigheid werd bij consensus met een derde senior arts opgelost.

In overeenstemming met de vastgestelde internationale consensus^1,3 werd de cumulatieve CSVD-belasting gekwantificeerd op een schaal van 0 tot 4 door vier neuroimaging-kenmerken te evalueren. Voor elk van de volgende MRI-bevindingen werd één punt toegekend: (1) ten minste één lacunair infarct; (2) één of meer cerebrale microbloedingen (CMBs); (3) matig tot ernstig vergrote perivasculaire ruimten (EPVS) in de basale ganglia (graad ≥2); en (4) ernstige witte stof hyperintensiteiten (WMH), gedefinieerd als een Fazekas-score van ≥2 in de diepe witte stof of 3 in de periventriculaire regio. De diagnostische definities waren strikt in overeenstemming met de internationale consensus van de Standards for Reporting Vascular Changes on Neuroimaging (STRIVE-1)¹. Witte stof hyperintensiteiten (WMH) werden gegradeerd met de Fazekas-schaal¹⁹, en vergrote perivasculaire ruimten (EPVS) in de basale ganglia werden gegradeerd met de gevalideerde visuele 4-puntsschaal beschreven door Potter et al.²⁰. Voor de ontwikkeling van het risicobeoordelingsmodel werden patiënten met een totale CSVD-belastingsscore van ≥2 geclassificeerd als zijnde een hoge CSVD-belasting, aangezien deze drempel consistent is geassocieerd met versnelde cognitieve achteruitgang en mortaliteit^21,22,23.

Verzameling van covariantiegegevens

Patiëntdemografische kenmerken en de klinische voorgeschiedenis werden geëxtraheerd uit institutionele elektronische gezondheidsdossiers. De verzamelde variabelen omvatten leeftijd, geslacht, body mass index (BMI), rookstatus en alcoholconsumptie. Daarnaast werden cardiometabole en vasculaire comorbiditeiten voor elke deelnemer gedocumenteerd, waaronder dyslipidemie, diabetes mellitus, hypertensie, coronaire hartaandoening (CAD), voorgeschiedenis van myocardinfarct (MI) en een eerdere ischemische beroerte.

Alle comorbiditeiten werden bevestigd door middel van een beoordeling van de door artsen vastgestelde diagnoses in de medische dossiers van patiënten, de medicatiegeschiedenis en routinematige laboratorium- en beeldvormende evaluaties bij opname, in overeenstemming met vastgestelde klinische richtlijnen. Hypertensie werd gedefinieerd als een systolische bloeddruk van ≥140 mmHg, een diastolische bloeddruk van ≥90 mmHg, of een lopende antihypertensieve behandeling. Diabetes mellitus werd gedefinieerd als een nuchtere plasmaglucoseconcentratie van ≥7.0 mmol/L, een geglycosyleerd hemoglobinegehalte (HbA1c) van ≥6.5%, of het gebruik van glucoseverlagende medicatie. Dyslipidemie werd gedefinieerd door afwijkingen in de nuchtere serumlipiden of een lopende lipidenverlagende therapie. CAD, een voorgeschiedenis van MI en een eerdere ischemische beroerte werden bevestigd via de gedocumenteerde klinische geschiedenis en historische neurovasculaire of cardiale beeldvormingsverslagen die beschikbaar waren in het elektronisch patiëntendossiersysteem.

Statistische Analyse en Modelontwikkeling

Voorafgaand aan de statistische analyse werd de normaliteit van continue variabelen beoordeeld met de Shapiro-Wilk-toets. Beschrijvende statistieken voor categorische variabelen werden samengevat als aantallen (percentages) en vergeleken met de chi-kwadraattoets van Pearson of de exacte toets van Fisher, afhankelijk van de situatie. Continue variabelen met een normale verdeling werden uitgedrukt als gemiddelden ± standaardafwijkingen en vergeleken met de t-toets van Student, terwijl niet-normaal verdeelde variabelen werden uitgedrukt als medianen met interkwartielafstanden en vergeleken met de Mann-Whitney U-toets. Om potentiële niet-lineaire dosis-responsrelaties tussen het aantal behouden tanden en het risico op een hoge CSVD-last te onderzoeken, werd een RCS-model geconstrueerd, gecorrigeerd voor leeftijd, hypertensie en Log_SII, met vier knooppunten geplaatst op het 5e, 35e, 65e en 95e percentiel van de verdeling van het aantal tanden. Formele toetsing op niet-lineariteit werd uitgevoerd middels variantieanalyse (ANOVA) om te bepalen of een drempeleffect of een continue lineaire trend de waargenomen associatie het beste verklaarde.

Om variabeleselectie uit te voeren in de aanwezigheid van gecorreleerde predictoren, werden alle baseline-variabelen ingevoerd in een LASSO-regressiemodel. De optimale tuningparameter (λ) werd bepaald met behulp van 10-voudige kruisvalidatie en geselecteerd volgens het criterium van de minimale binomiale deviantie (λ_min). Variabelen met een coëfficiënt ongelijk aan nul werden behouden voor volgende analyses. De geselecteerde variabelen werden vervolgens ingevoerd in een multivariaat logistisch regressiemodel om odds ratio's (OR's) en 95% betrouwbaarheidsintervallen (CIs) te schatten voor hun associaties met een hoge CSVD-last. Het uiteindelijke multivariate model werd vervolgens gebruikt om een exploratief klinisch nomogram te construeren voor geïndividualiseerde risicoschatting.

Om de incrementele waarde van de parodontale parameters te evalueren, werd een basismodel (inclusief leeftijd, hypertensie en Log_SII) vergeleken met een uitgebreid model waarin de graad van parodontitis en het aantal tanden waren opgenomen. De prestaties van de modellen werden beoordeeld aan de hand van meerdere complementaire maten. Discriminatie werd geëvalueerd met behulp van de oppervlakte onder de receiver operating characteristic-curve (AUC), en verschillen tussen modellen werden vergeleken met de DeLong-test²⁴. Bij de optimale afkapwaarde, bepaald door de maximale Youden-index, werden ook de sensitiviteit, specificiteit, positief voorspellende waarde (PPV) en negatief voorspellende waarde (NPV) berekend. De continue net reclassification improvement (NRI) en integrated discrimination improvement (IDI) werden berekend om de incrementele risico-herclassificatie van het uitgebreide model te kwantificeren²⁵. Kalibratie werd beoordeeld met behulp van kalibratieplots gegenereerd uit 1.000 bootstrap-resamples geïmplementeerd met het rms-pakket, en de gemiddelde absolute fout tussen de voorspelde en waargenomen risico's werd berekend. Om rekening te houden met mogelijke overfitting en een onbevooroordeelde evaluatie van de modelprestaties te bieden, omvatte de bootstrap-validatie een optimisme-correctie, waarbij zowel de bias-gecorrigeerde als de schijnbare modelprestaties werden gerapporteerd. Decision curve analysis (DCA) werd uitgevoerd om het potentiële klinische nut te evalueren door het netto voordeel over een reeks drempelwaarschijnlijkheden te schatten. Alle statistische analyses en visualisaties werden uitgevoerd met statistische software en de pakketten rms, glmnet, pROC, PredictABEL en dcurves. Statistische significantie werd gedefinieerd als een tweezijdige P waarde van <0,05.

Resultaten

Studieontwerp en patiëntenpopulatie

Na uitsluiting van 616 personen vanwege ernstige storende ziekten of ontbrekende klinisch-radiologische gegevens, omvatte de uiteindelijke analyse 234 geschikte deelnemers die waren opgenomen voor neurologisch onderzoek (Figuur 1). Deelnemers werden op basis van hun geaggregeerde CSVD-scores gestratificeerd in groepen met een hoge last (n = 129) en een lage last (n = 105). De baseline demografische en klinische kenmerken van beide groepen worden gepresenteerd in Tabel 1. Deelnemers met een hoge CSVD-last waren ouder dan deelnemers met een lage CSVD-last (67,71 ± 7,41 jaar vs. 64,91 ± 7,74 jaar, P = 0,005) en hadden een hogere prevalentie van hypertensie (63,6% vs. 48,6%, P = 0,024). De prevalentie van een eerder ischemisch stroke was ook hoger in de groep met een hoge last, hoewel het verschil geen statistische significantie bereikte (21,7% vs. 12,4%, P = 0,076). Met betrekking tot de parameters voor orale gezondheid was de prevalentie van ernstige parodontitis hoger in de groep met een hoge last (52,7% vs. 16,2%, P < 0,001), vergezeld door een grotere gemiddelde pocketdiepte (PPD; 4,88 mm vs. 2,54 mm, P < 0,001) en klinisch hechtingsniveau (CAL; 4,54 mm vs. 2,12 mm, P < 0,001). Deelnemers in de groep met een hoge last behielden bovendien minder natuurlijke tanden (18,39 ± 8,15 vs. 24,36 ± 6,21, P < 0,001). Daarnaast waren de Log_SII-waarden hoger in de groep met een hoge last dan in de groep met een lage last (6,48 ± 0,52 vs. 6,27 ± 0,45, P = 0,001). Rookstatus, lichaamsmassaindex en geslachtsverdeling verschilden niet significant tussen de groepen.

Figuur 1. Stroomdiagram van de selectie van studieparticipanten. Stroomdiagram dat de selectie van participanten voor de retrospectieve cross-sectionele studie illustreert. Opeenvolgende patiënten die tussen januari 2022 en december 2024 werden opgenomen op de afdeling Neurologie van het Changzhou No. 2 People’s Hospital vanwege duizeligheid, hoofdpijn, stroke-screening of cognitieve beoordeling, werden gescreend. Exclusiecriteria werden sequentieel toegepast voordat de participanten werden gestratificeerd in groepen met een lage en hoge ziektelast van cerebrale kleine vatziekten (CSVD). Klik hier om een grotere versie van deze figuur te bekijken.

Variabele	Lage CSVD-belasting (n = 105)	Hoge CSVD-belasting (n = 129)	P-waarde
Leeftijd (jaren), gemiddelde ± SD	64.91 ± 7.74	67.71 ± 7.41	0.005
Mannelijk geslacht, n (%)	49 (46.7)	69 (53.5)	0.358
Body mass index (kg/m²), gemiddelde ± SD	24.24 ± 2.92	23.62 ± 3.12	0.122
Hypertensie, n (%)	51 (48.6)	82 (63.6)	0.024
Diabetes mellitus, n (%)	27 (25.7)	30 (23.3)	0.76
Dyslipidemie, n (%)	55 (52.4)	59 (45.7)	0.358
Coronaire arteriële ziekte, n (%)	20 (19.0)	26 (20.2)	0.87
Myocardinfarct, n (%)	4 (3.8)	4 (3.1)	>0.999*
Eerdere ischemische beroerte, n (%)	13 (12.4)	28 (21.7)	0.076
Graad van parodontitis, n (%)			<0.001
Gezond/Mild	45 (42.9)	21 (16.3)
Matig	43 (41.0)	40 (31.0)
Ernstig	17 (16.2)	68 (52.7)
Aantal behouden tanden, gemiddelde ± SD	24.36 ± 6.21	18.39 ± 8.15	<0.001
Gemiddelde sondeerdiepte van de pocket (PPD, mm), mediaan (IQR)	2.54 (2.12–4.13)	4.88 (3.65–6.21)	<0.001
Gemiddeld klinisch hechtingsniveau (CAL, mm), mediaan (IQR)	2.12 (0.89–3.76)	4.54 (3.12–6.45)	<0.001
Log_SII, gemiddelde ± SD	6.27 ± 0.45	6.48 ± 0.52	0.001
Hoge-sensitiviteit C-reactief proteïne (hs-CRP, mg/L), mediaan (IQR)	1.45 (0.76–2.54)	2.89 (1.56–4.32)	<0.001
Homocysteïne (Hcy, µmol/L), mediaan (IQR)	12.34 (9.87–15.65)	15.76 (12.45–19.82)	<0.001

Tabel 1: Basiskenmerken van de studiepopulatie volgens de mate van cerebrale kleine vatziekte (CSVD). Continue variabelen worden weergegeven als gemiddelde ± standaarddeviatie (SD) of mediaan (interkwartielafstand [IQR]), naar gelang van toepassing. Categorische variabelen worden weergegeven als aantal (percentage). * P-waarde berekend met de exacte test van Fisher vanwege lage celaantallen. Alle andere categorische vergelijkingen zijn uitgevoerd met de chi-kwadraat-test van Pearson, tenzij anders aangegeven. Afkortingen: BMI, body mass index; CAL, klinisch hechtingsniveau; CAD, coronaire arterieziekte; CSVD, cerebrale kleine vatziekte; DM, diabetes mellitus; Hcy, homocysteïne; hs-CRP, hooggevoelig C-reactief proteïne; HTN, hypertensie; IQR, interkwartielafstand; Log_SII, natuurlijke logaritme van de systemische immuun-inflammatoire index; MI, myocardinfarct; PPD, sondeerpocketdiepte; SD, standaarddeviatie; SII, systemische immuun-inflammatoire index.

Beoordeling van de Parodontale Status en Ontsteking

De distributie van de totale CSVD-belastingsscores per graad van parodontitis wordt getoond in Figuur 2. Het aandeel deelnemers met hogere CSVD-scores nam toe bij een toenemende ernst van de parodontitis, en de Cochran-Armitage-test toonde een significante trend aan (P < 0,001). De associatie tussen het aantal behouden tanden en de waarschijnlijkheid van een hoge CSVD-belasting werd verder geëvalueerd met behulp van RCS-analyse (Figuur 3). Na correctie voor leeftijd, hypertensie en Log_SII ondersteunde de formele test een lineair dosis-responspatroon in plaats van een niet-lineair drempeleffect (P voor niet-lineariteit = 0,332). De geschatte waarschijnlijkheid van een hoge CSVD-belasting nam progressief toe naarmate het aantal behouden tanden afnam. Schattingen bij de laagste aantal tanden moeten echter voorzichtig worden geïnterpreteerd vanwege de bredere betrouwbaarheidsintervallen.

Figuur 2. Distributie van de totale last van cerebrale kleine vatziekten (CSVD) volgens de graad van periodontitis. Gestapeld staafdiagram dat de proportionele distributie van gezonde/milde, matige en ernstige periodontitis laat zien over de totale CSVD-lastscores (0–4). De Cochran-Armitage trendtest toonde een significante stijgende trend in de ernst van periodontitis bij een toenemende CSVD-last (P voor trend <0.001). Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3. Restricted cubic spline-analyse van de associatie tussen het aantal behouden tanden en een hoge last van cerebrale kleine vatziekten (CSVD). Restricted cubic spline (RCS)-model dat de associatie laat zien tussen het aantal behouden tanden en de log-odds van een hoge CSVD-last na correctie voor leeftijd, hypertensie en de natuurlijke logaritme van de Systemic Immune-Inflammation Index (Log_SII). De ononderbroken rode lijn vertegenwoordigt de geschatte log-odds en het gearceerde gebied vertegenwoordigt het 95% betrouwbaarheidsinterval (BI). De toets voor niet-lineariteit was niet statistisch significant (P voor niet-lineariteit = 0,332), wat wijst op een lineaire associatie. Schattingen bij de laagste aantallen tanden moeten met voorzichtigheid worden geïnterpreteerd vanwege bredere betrouwbaarheidsintervallen. Klik hier om een grotere versie van deze figuur te bekijken.

Statistische analyse en modelontwikkeling

Voor de selectie van variabelen onder de baseline-parameters werd gebruikgemaakt van least absolute shrinkage and selection operator-regressie met 10-voudige kruisvalidatie (Supplementary Figure 1). Bij deze procedure bleven leeftijd, hypertensie, graad van parodontitis en het aantal behouden tanden over als kernkenmerken. In het daaropvolgende multivariabele logistische regressiemodel (Table 2) waren leeftijd (odds ratio [OR] = 1,06, 95% betrouwbaarheidsinterval [CI]: 1,02–1,10, P = 0,008) en hypertensie (OR = 2,02, 95% CI: 1,16–3,55, P = 0,014) onafhankelijk geassocieerd met een hoge CSVD-last. Ernstige parodontitis (OR = 1,73, 95% CI: 0,25–12,19, P = 0,580) en het aantal behouden tanden (OR = 0,94, 95% CI: 0,87–1,01, P = 0,112) bereikten geen statistische significantie, wat aangeeft dat hun associaties werden afgezwakt na multivariabele correctie. Deze parodontale parameters werden in het definitieve model behouden als verkennende profileringskenmerken. Subgroepanalyses van de associatie tussen ernstige parodontitis en een hoge CSVD-last worden gepresenteerd in Supplementary Figure 2. De richting van de associatie was over het algemeen consistent over de vooraf gespecificeerde subgroepen. Specifiek waren de OR's 1,88 (95% CI: 0,19–18,57) bij vrouwen en 1,76 (95% CI: 0,12–25,14) bij mannen; 2,44 (95% CI: 0,21–28,53) bij deelnemers met hypertensie en 1,48 (95% CI: 0,11–19,34) bij deelnemers zonder hypertensie; en 2,12 (95% CI: 0,23–19,82) bij deelnemers van ≥65 jaar en 1,45 (95% CI: 0,10–21,05) bij deelnemers van <65 jaar. Er werden geen statistisch significante interacties waargenomen voor geslacht (P_interaction = 0,916), hypertensiestatus (P_interaction = 0,627) of leeftijd (P_interaction = 0,684), wat duidt op de afwezigheid van bewijs voor effectmodificatie in deze verkennende subgroepanalyses.

Variabele	Odds Ratio (OR)	95% betrouwbaarheidsinterval (BI)	P-waarde
Leeftijd	1.06	1.02–1.10	0.008
Hypertensie	2.02	1.16–3.55	0.014
Log_SII	0.35	0.07–1.81	0.214
Aantal behouden tanden	0.94	0.87–1.01	0.112
Graad van periodontitis
Gezond/Mild (Referentie)	1	—	—
Matig	1.41	0.51–3.90	0.51
Ernstig	1.73	0.25–12.19	0.58

Tabel 2: Multivariabele logistische regressieanalyse van factoren geassocieerd met een hoge last aan cerebrale kleine vatziekten (CSVD). Variabelen opgenomen in het multivariabele logistische regressiemodel zijn geselecteerd met behulp van least absolute shrinkage and selection operator (LASSO) regressie. Gezonde/milde periodontitis diende als referentiecategorie. De odds ratio (OR) voor het aantal behouden tanden representeert de verandering in de kans op een hoge CSVD-last geassocieerd met elke extra behouden tand. Afkortingen: CI, betrouwbaarheidsinterval; CSVD, cerebrale kleine vatziekten; LASSO, least absolute shrinkage and selection operator; Log_SII, natuurlijk logaritme van de systemische immuun-inflammatoire index; OR, odds ratio.

Er is een klinisch nomogram opgesteld op basis van het uiteindelijke multivariabele model als verkennend visualisatiekader voor een geïndividualiseerde risicobeoordeling van CSVD (Figuur 4). Het nomogram illustreert de bijdrage van leeftijd, hypertensie, Log_SII, de graad van periodontitis en het aantal behouden tanden aan de geschatte waarschijnlijkheid van een hoge CSVD-last. Om de potentiële incrementele waarde van parodontale parameters te evalueren, werd een basismodel bestaande uit leeftijd, hypertensie en Log_SII vergeleken met een uitgebreid model waarin daarnaast de graad van periodontitis en het aantal behouden tanden waren opgenomen (Tabel 3). De receiver operating characteristic-analyse toonde een AUC van 0,688 (95% BI: 0,621–0,755) voor het uitgebreide model en 0,656 (95% BI: 0,587–0,726) voor het basismodel; het verschil was volgens de DeLong-test niet statistisch significant (P = 0,263) (Figuur 5A). Het uitgebreide model leverde een continue net reclassification improvement (NRI) op van 0,454 (P < 0,001) en een IDI van 0,052 (P < 0,001). De kalibratie werd beoordeeld met behulp van 1.000 bootstrap-resamples. De kalibratieplot toonde overeenstemming tussen de geschatte en waargenomen event-waarschijnlijkheden, met een gemiddelde absolute fout van 0,038 (Figuur 5B). DCA wees op een potentieel netto voordeel voor het uitgebreide model over geselecteerde drempelwaarschijnlijkheden (Figuur 6). Dit schijnbare voordeel moet echter voorzichtig worden geïnterpreteerd, aangezien de verbetering van de AUC niet statistisch significant was en er geen externe validatie is uitgevoerd.

Metriek	Basismodel	Uitgebreid model	P-waarde / Verbetering
AUC (95% BI)	0.656 (0.587–0.726)	0.688 (0.621–0.755)	0.263 (DeLong)
Sensitiviteit	—	0.512	—
Specificiteit	—	0.8	—
Positief voorspellende waarde (PVW)	—	0.759	—
Negatief voorspellende waarde (NVW)	—	0.571	—
Continue netto reclassificatieverbetering (NRI)	—	0.454	<0.001
Geïntegreerde discriminatieverbetering (IDI)	—	0.052	<0.001

Tabel 3: Vergelijking van de voorspellende prestaties tussen de baseline- en uitgebreide modellen. Het baselinemodel omvatte leeftijd, hypertensie en Log_SII. Het uitgebreide model incorporeerde daarnaast de graad van periodontitis en het aantal behouden tanden. De modeldiscriminatie werd geëvalueerd aan de hand van de oppervlakte onder de receiver operating characteristic-curve (AUC), en verschillen tussen AUC's werden vergeleken met de DeLong-test. Sensitiviteit, specificiteit, positief voorspellende waarde (PPV) en negatief voorspellende waarde (NPV) werden berekend met de optimale afkapwaarde bepaald door de maximale Youden-index. Continue net reclassification improvement (NRI) en integrated discrimination improvement (IDI) werden gebruikt om de incrementele voorspellende prestatie van het uitgebreide model te evalueren. Afkortingen: AUC, oppervlakte onder de receiver operating characteristic-curve; CI, betrouwbaarheidsinterval; IDI, integrated discrimination improvement; Log_SII, natuurlijke logaritme van de systemische immuun-inflammatoire index; NPV, negatief voorspellende waarde; NRI, net reclassification improvement; PPV, positief voorspellende waarde.

Figuur 4. Nomogram voor het schatten van de waarschijnlijkheid van een hoge last van cerebrale kleinevatenziekte (CSVD). Nomogram ontwikkeld op basis van het uiteindelijke multivariabele logistische regressiemodel. Om de waarschijnlijkheid van een hoge CSVD-last voor een individu te schatten, bepaal je de waarde van de patiënt voor elke voorspeller, ken je de overeenkomstige score toe op de "Points"-as, tel je de individuele scores op om de totale score te verkrijgen, en projecteer je de totale score op de waarschijnlijkheidsschaal om het voorspelde risico op een hoge CSVD-last te schatten. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5. Discriminatie en kalibratie van de predictieve modellen. (A) Receiver operating characteristic (ROC)-curves waarin het basismodel en het uitgebreide model worden vergeleken. Modeldiscriminatie werd beoordeeld aan de hand van de oppervlakte onder de receiver operating characteristic-curve (AUC), en verschillen tussen modellen werden geëvalueerd met de DeLong-test. (B) Kalibratieplot van het uitgebreide model, gegenereerd met gebruik van 1.000 bootstrap-resamples. De schijnbare, bias-gecorrigeerde en ideale kalibratiecurves worden samen met de betrouwbaarheidsgrenzen (CL) weergegeven. Kalibratieprestaties werden beoordeeld op basis van de gemiddelde absolute fout tussen de voorspelde en waargenomen waarschijnlijkheden. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6. Decision curve-analyse van de predictieve modellen. Decision curve-analyse (DCA) waarin het netto voordeel van het basismodel en het uitgebreide model wordt vergeleken over een reeks drempelwaarschijnlijkheden. De strategieën "Treat All" en "Treat None" zijn weergegeven als referentiecurven. Klik hier om een grotere versie van deze figuur te bekijken.

Over het geheel genomen toonden de resultaten significante niet-gecorrigeerde associaties aan tussen de ernst van parodontale aandoeningen, tandverlies en een hoge CSVD-last, samen met een lineaire associatie tussen een afnemend aantal behouden tanden en een toenemend risico op CSVD. Desalniettemin waren ernstige parodontitis en het aantal behouden tanden na multivariabele correctie niet onafhankelijk geassocieerd met een hoge CSVD-last. De bevindingen ondersteunen het verkennende gebruik van parodontale parameters binnen een preliminair risico-visualisatiemodel, maar ondersteunen hun interpretatie als onafhankelijke predictoren of het nomogram als een klinisch bruikbaar screeninginstrument niet.

Beschikbaarheid van gegevens:

De geanonimiseerde dataset op deelnemerniveau die ten grondslag ligt aan de in deze studie gerapporteerde resultaten is opgenomen als Aanvullende Tabel 1 en is samen met dit manuscript ingediend.

Aanvullende figuur 1. Variabeleselectie met behulp van least absolute shrinkage and selection operator (LASSO) regressie. De tuningparameter (λ) werd geoptimaliseerd middels 10-voudige kruisvalidatie op basis van binomiale deviantie. De verticale stippellijnen geven de optimale λ-waarden aan die overeenkomen met het minimumcriterium en het one-standard-error (1-SE) criterium.Klik hier om dit bestand te downloaden.

Aanvullende figuur 2. Subgroepanalyse van de associatie tussen ernstige parodontitis en een hoge last van cerebrale kleine vaatziekten (CSVD). Forest plot die de odds ratio's (ORs) en 95% betrouwbaarheidsintervallen (CIs) weergeeft voor de associatie tussen ernstige parodontitis en een hoge CSVD-last over vooraf gedefinieerde subgroepen. De verticale stippellijn geeft een OR van 1,0 aan.Klik hier om dit bestand te downloaden.

Aanvullende tabel 1. Geanonimiseerde dataset op deelnemerniveau ter ondersteuning van de in deze studie gepresenteerde analyses. De dataset bevat geanonimiseerde demografische kenmerken, vasculaire risicofactoren, variabelen van het periodontal onderzoek, laboratoriummetingen, bevindingen van magnetische resonantiebeeldvorming (MRI), scores voor de belasting van cerebrale kleinevesselseziekte (CSVD) en variabelen voor de interbeoordelaarsbeoordeling die zijn gebruikt voor de statistische analyses. De definities van de variabelen komen overeen met die beschreven in de sectie Protocol.Klik hier om dit bestand te downloaden.

Discussie

De huidige studie onderzocht de relatie tussen parodontale destructie, het aantal behouden tanden en de cumulatieve last van CSVD, wat leidde tot de ontwikkeling van een exploratief klinisch nomogram. Hoewel univariaat analyses associaties aantoonden tussen ernstige parodontitis, tandverlies en een hoge CSVD-last, liet multivariabele logistische regressie zien dat ernstige parodontitis (P = 0,580) en het aantal behouden tanden (P = 0,112) niet onafhankelijk geassocieerd waren met een hoge CSVD-last na correctie voor conventionele cardiovasculaire risicofactoren, waaronder leeftijd en hypertensie. Bijgevolg mogen deze parodontale parameters in dit cohort niet worden geïnterpreteerd als onafhankelijke voorspellers van een hoge CSVD-last. De waargenomen associaties werden juist verzwakt na multivariabele correctie. Vorige studies die de relatie tussen orale gezondheid en cerebrovasculaire aandoeningen onderzochten, hebben zich grotendeels gericht op individuele neuro-imaging markers, zoals lacunaire infarcten of de last van witte stof hyperintensiteiten²⁶. In tegenstelling hiertoe hanteerde de huidige studie de totale CSVD-lastscore als primaire uitkomst, in overeenstemming met hedendaagse neuro-imaging aanbevelingen en huidige conceptuele kaders voor cerebrale kleine vatenziekten, waardoor een uitgebreidere beoordeling van diffuse cerebrale microvasculaire schade werd geboden^1,3,27.

Een opvallende bevinding van de RCS-analyse was de afwezigheid van een statistisch significante niet-lineaire associatie (P voor niet-lineariteit = 0,332), wat wijst op een continue lineaire relatie tussen een afnemend aantal behouden tanden en een toenemende waarschijnlijkheid van een hoge CSVD-last, in plaats van een duidelijk drempeleffect. De drempelwaarde van 20 behouden tanden die voor stratificatie werd gebruikt, is gekozen op basis van vastgestelde klinische criteria voor een functioneel gebit en succesvolle orale veroudering, en is niet afgeleid van de spline-analyse^16,17,18. Cruciaal is dat de drempelwaarde van 20 behouden tanden voor de binaire stratificatie voorafgaand aan de data-analyse was vastgesteld. Deze afkapwaarde is gekozen op basis van de gevestigde klinische consensus voor een functioneel gebit en succesvolle orale veroudering (bijv. het "8020"-initiatief van de WHO) om het minimum aantal tanden te vertegenwoordigen dat over het algemeen als noodzakelijk wordt beschouwd voor het behoud van de basisorale functie, in plaats van te zijn afgeleid van de huidige dataset. Tandverlies en chronische parodontale aandoeningen blijven belangrijke volksgezondheidsproblemen vanwege hun associaties met een verminderde orale functie en systemische gezondheid²⁸. Opkomend bewijs suggereert bovendien een potentieel bidirectionele relatie binnen de orale-hersenas, waarbij cerebrale kleine vaatziekten zelf geassocieerd kunnen zijn met een versnelde parodontale verslechtering²⁹. Om de selectie van predictoren te optimaliseren, is een LASSO-regressiemodel geïmplementeerd met behulp van coordinate descent-optimalisatie³⁰. In vergelijking met conventionele stapsgewijze regressiebenaderingen biedt LASSO een regularisatiekader dat de modelstabiliteit kan verbeteren en overfitting kan verminderen wanneer gecorreleerde klinische variabelen gelijktijdig worden overwogen³¹. De variabelen die na de LASSO-selectie overbleven, werden vervolgens ingevoerd in het multivariabele logistische regressiemodel voor de ontwikkeling van het nomogram. Hoewel Log_SII niet werd behouden door de geautomatiseerde LASSO-variabeleselectieprocedure, is deze bewust als vooraf gespecificeerde klinische covariaat opgenomen in zowel de baseline- als de uitgebreide predictiemodellen vanwege de gevestigde klinische relevantie als marker voor systemische ontsteking bij cerebrovasculaire ziekten en parodontitis. Deze aanpak zorgde voor correctie voor de systemische ontstekingsstatus, terwijl de incrementele bijdrage van de parodontale variabelen kon worden geëvalueerd. Omdat LASSO een predictieve variabeleselectietechniek is en geen methode voor causale inferentie, mag de inclusie of exclusie van individuele variabelen niet worden geïnterpreteerd als bewijs voor de aanwezigheid of afwezigheid van multicollineariteit of causale belangrijkheid.

Biologisch gezien wordt ernstige parodontitis gekarakteriseerd als een gelokaliseerde dysbiotische infectie die kan bijdragen aan systemische ontstekingsreacties³². Parodontale therapie is gebleken effectief in het verminderen van systemische ontstekingsmarkers en het verbeteren van de perifere endotheelfunctie, wat een associatie ondersteunt tussen de mondgezondheid en de vasculaire functie³³. Parodontale pathogenen, waaronder Porphyromonas gingivalis, en hun lipopolysaccharide-componenten kunnen tijdens het kauwen of mondhygiëneprocedures in de systemische circulatie terechtkomen, en bacteriële componenten zijn aangetroffen in neurale weefsels³⁴. Chronische systemische blootstelling aan deze ontstekingsstimuli is voorgesteld als één mechanisme dat kan bijdragen aan endotheeldisfunctie en beschadiging van de bloed-hersenbarrière, processen die betrokken zijn bij de pathogenese van cerebrale small vessel disease³⁵. Om het klinische nut van het resulterende voorspellende model te evalueren, is DCA uitgevoerd om het potentiële netto voordeel over een reeks drempelwaarschijnlijkheden te beoordelen³⁶. Hoewel DCA wees op potentiële voordelen ten opzichte van standaardstrategieën, vertegenwoordigt dit de theoretische modelprestatie en stelt het geen klinisch voordeel in de praktijk of verbeteringen in patiëntuitkomsten vast. Om transparante rapportage te bevorderen en onafhankelijke evaluatie en replicatie te vergemakkelijken, volgden de ontwikkeling en rapportage van deze verkennende workflow de Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD)-richtlijn³⁷. Dit rapportagekader is relevant omdat er is gehypothetiseerd dat chronische laaggradige orale ontsteking interacteert met systemische metabole paden die betrokken zijn bij cerebrale neurodegeneratie³⁸. De modelevaluatie omvatte gevestigde validatiematen samen met aanvullende indices van voorspellende prestaties³⁹. In bredere zin weerspiegelt deze benadering de potentiële systemische implicaties van gelokaliseerde mucosale ontsteking⁴⁰. Gezien de bescheiden discriminatieve prestatie van het model (AUC = 0,688), het gebrek aan een statistisch significante verbetering in AUC vergeleken met het basismodel volgens de DeLong-test (P = 0,263), en de brede betrouwbaarheidsintervallen rond de variabelen voor mondgezondheid, moet het voorgestelde nomogram echter strikt worden geïnterpreteerd als een preliminair, verkennend visualisatieraamwerk en niet als een klinisch toepasbaar instrument voor de routinematige neurologische praktijk.

Verschillende methodologische stappen zijn van belang voor de reproduceerbaarheid en succesvolle implementatie van de voorgestelde workflow en kunnen de gerapporteerde modelprestaties beïnvloeden. Ten eerste moeten parodontale onderzoeken sterk gestandaardiseerd zijn, waarbij gekalibreerde onderzoekers metingen uitvoeren van de pocketdiepte en het klinisch hechtingsniveau over de gehele mond op zes locaties per tand, volgens het classificatiekader van de EFP/AAP uit 2018¹⁵. Ten tweede hangt de reproduceerbaarheid van neuroimaging af van gestandaardiseerde acquisitieprotocollen voor 3.0 T magnetische resonantiebeeldvorming, inclusief fluid-attenuated inversion recovery (FLAIR) en susceptibility-weighted imaging (SWI) sequenties, samen met gevalideerde, op consensus gebaseerde scorecriteria voor de totale last van cerebrale kleinevatenziekte (CSVD)¹. Ten derde moeten bloedafname en laboratoriumverwerking worden gestandaardiseerd door gebruik te maken van nuchtere veneuze bloedmonsters en consistente procedures voor monsterbehandeling om een betrouwbare berekening van de natuurlijke logaritme van de Systemic Immune-Inflammation Index (Log_SII) te waarborgen. Aanvullende maatregelen die de implementatie kunnen verbeteren, omvatten elektronische tandheelkundige dossiervorming om handmatige gegevensinvoerfouten te verminderen en gestandaardiseerde procedures voor het omgaan met ontbrekende gegevens.

Ondanks deze methodologische overwegingen moeten enkele beperkingen worden erkend. Het retrospectieve cross-sectionele ontwerp in één centrum verhindert conclusies over causaliteit. Bovendien, hoewel de inclusie van 129 gebeurtenissen met een hoge CSVD-last voldeed aan het events-per-variable-criterium voor een stabiele modelontwikkeling, beperkte de relatief kleine steekproefomvang de statistische power van de multivariabele analyses. Het model hield daarnaast geen rekening met verschillende potentiële confounders, waaronder mondhygiënepraktijken (bijv. frequentie van tandenpoetsen en flossen) en eerdere parodontale behandeling, die beide de parodontale status kunnen beïnvloeden. Daarnaast kan omgekeerde causaliteit niet worden uitgesloten, omdat patiënten met gevorderde CSVD of post-stroke beperkingen last kunnen hebben van een verminderde cognitie, motorische functie en handvaardigheid, wat mogelijk de mondhygiënepraktijken beïnvloedt⁴¹ en het gebruik van routinematige tandheelkundige zorg vermindert⁴². Bijgevolg kan gevorderde parodontitis gedeeltelijk een gevolg zijn in plaats van een oorzaak van neurovasculaire beperking. Ten slotte belette het retrospectieve ontwerp het verzamelen van subgingivale plakmonsters voor 16S ribosomaal RNA-sequencing of metagenomische profilering, wat het onderzoek naar potentiële relaties tussen het orale microbioom en circulerende inflammatoire mediatoren of amyloïde-gerelateerde biomarkers beperkte⁴³. De afwezigheid van een onafhankelijke externe validatiecohort blijft een belangrijke beperking, en de generaliseerbaarheid van het voorgestelde model naar andere populaties is nog niet vastgesteld. Toekomstige prospectieve multicenterstudies met een formele schatting van de steekproefomvang, externe validatie en incorporatie van aanvullende biologische markers zijn gerechtvaardigd.

Concluderend vertoonden ernstige periodontitis en het behoud van minder dan 20 tanden significante univariabele associaties met een hoge CSVD-last; deze associaties werden echter verzwakt na multivariabele correctie en waren in deze cohort niet onafhankelijk geassocieerd met een hoge CSVD-last. Het voorgestelde klinische nomogram, waarin parodontale parameters worden geïntegreerd met conventionele risicofactoren, biedt een voorlopig, non-invasief, exploratief kader voor geïndividualiseerde risicovisualisatie in plaats van een klinisch gevalideerd screeninginstrument. Externe validatie in onafhankelijke cohorten is vereist voordat routineuze klinische toepassing kan worden overwogen. Hoewel longitudinale studies nodig zijn om de causale relatie tussen orale gezondheid en CSVD te verduidelijken, blijven het behoud van de parodontale gezondheid en het behoud van functioneel gebit belangrijke gebieden voor toekomstig multidisciplinair onderzoek naar leeftijdgerelateerde cerebrovasculaire aandoeningen.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Geautomatiseerde hematologie-analyser	Sysmex	XN-1000	Gebruikt voor het bepalen van het aantal perifere bloedcellen voor de berekening van de systemische immuun-inflammatie-index (SII).
EDTA-bloedafnamebuizen (K2 EDTA)	Becton, Dickinson and Company	367841	Gebruikt voor nuchtere veneuze bloedafname.
Elektronisch Patiëntendossier (EPD) systeem	Winning Health Technology Group	Winning EMR v6.0	Gebruikt voor het extraheren van demografische en klinische patiënteninformatie.
Magnetic Resonance Imaging (MRI) scanner (3.0 T)	Siemens Healthineers	MAGNETOM Prisma 3.0T	Gebruikt voor gestandaardiseerde craniale MRI-onderzoeken.
MRI-hoofdspoele	Siemens Healthineers	64-channel Head/Neck Coil	Standaard hoofdspoel gebruikt voor MRI-acquisitie.
Parodontale sonde (UNC-15)	Hu-Friedy	PCPUNC15	Gebruikt voor metingen van de parodontale sondeerdiepte (PPD) en het klinische hechtingsniveau (CAL).
R-pakket: dcurves	CRAN	Version 0.4.0	Gebruikt voor decision curve-analyse (DCA).
R-pakket: glmnet	CRAN	Version 4.1-8	Gebruikt voor least absolute shrinkage and selection operator (LASSO) regressie en variabeleselectie.
R-pakket: pROC	CRAN	Version 1.18.5	Gebruikt voor receiver operating characteristic (ROC) curve-analyse en DeLong-testen.
R-pakket: PredictABEL	CRAN	Version 1.2-4	Gebruikt voor het berekenen van de continue net reclassification improvement (NRI) en integrated discrimination improvement (IDI).
R-pakket: rms	CRAN	Version 6.7-1	Gebruikt voor restricted cubic spline (RCS) analyse, constructie van nomogrammen en bootstrap-kalibratie.
R-software voor statistische berekeningen	R Foundation for Statistical Computing	Version 4.3.1	Statistische rekenomgeving gebruikt voor alle analyses.