Neste artigo de 2022, publicado na Angle Orthodontist, pelos autores Jun-Ho Moon; Min-Gyu Kim; Hye-Won Hwang; Sung Joo Cho; Richard E. Donatelli; Shin-Jae Lee. Do Department of Orthodontics, Graduate School, Seoul National University, Seoul, Korea. Mostrou o Desenvolvimento de um modelo de previsão de crescimento facial que incorporou características individuais do esqueleto e dos tecidos moles de pacientes.
Foram coletados cefalogramas longitudinais laterais seriados de 303 crianças (166 meninas e 137 meninos), que nunca haviam se submetido a tratamento ortodôntico. Um modelo de predição de crescimento foi desenvolvido aplicando-se o algoritmo de mínimos quadrados parciais multivariados (PLS), com 161 variáveis preditoras. As variáveis de resposta compreendiam 78 pontos de cefalograma lateral. A análise de regressão linear múltipla foi realizada para investigar os fatores que influenciam os erros de previsão do crescimento.
Usando o método de validação cruzada "leave-one-out", um modelo PLS com 30 componentes foi desenvolvido. Idade mais jovem na previsão resultou em maior erro de previsão (0,03 mm/ano). Além disso, o erro de previsão aumentou proporcionalmente ao intervalo de previsão de crescimento (0,24 mm/ano). Meninas, com má oclusão de Classe II, crescimento na direção vertical, pontos de referência esqueléticos e pontos de referência na maxila foram associados a resultados de previsão mais precisos do que meninos, indivíduos com má oclusão de Classe I ou III, crescimento na direção ântero-posterior, pontos de referência de tecidos moles, e pontos de referência na mandíbula, respectivamente.
Os autores concluiram que o erro da previsão do modelo de previsão foi proporcional ao potencial de crescimento remanescente. A previsão de crescimento PLS parece ser uma abordagem versátil que pode incorporar um grande número de variáveis preditoras para prever vários pontos de referência para um sujeito individual.
Link do artigo na integra via Meridian:
Nenhum comentário:
Postar um comentário
Participe !