مجله دندانپزشکی

زمینه و هدف: وضعیت بیماری‌های دهان و دندان کودکان با اختلالات بینایی یکی از موضوعات مورد توجه محققین دندانپزشکی است. هدف از این مطالعه بررسی میزان پوسیدگی دندانی در این کودکان بر اساس شاخص pufa بود.
روش بررسی: در سال 1402 برای بررسی میزان پوسیدگی دندان، 60 کودک 6 تا 12 ساله در مدرسه کودکان با اختلال بینایی در شهر اصفهان با روش نمونه گیری آسان انتخاب شدند. معاینه دهانی کودکان را انجام شده و شاخص pufa/PUFA (پالپ‌های اکسپوز شده، زخم‌های مخاط ریشه‌ای باقیمانده، فیستول‌ها و آبسه) برای هر کودک گزارش شد. داده‌ها با آزمو‌ن‌های من ویتنی (مقایسه شاخص pufa/PUFA بر حسب جنسیت، نوع اختلال و شدت اختلال) و اسپیر من (بررسی ارتباط شاخص pufa/PUFA و سن کودکان) مورد تجزیه و تحلیل قرار گرفت.
یافته‌ها: میانگین شاخص PUFA/pufa در سیستم دندا‌ن‌های شیری و دائمی به ترتیب 68/0 ± 89/0 و 2/0 ± 44/0 بود. از این میزان بیشترین سهم مربوط به پوسیدگی با درگیری پالپی بود. بین شاخص pufa و PUFA بر حسب جنیست، نوع اختلال و شدت اختلال بینایی ارتباط معنی داری وجود نداشت (05/0>P). همچنین تنها در بین pufa در سیستم دندا‌ن‌های شیری و سن ارتباط معنی دار و مستقیم دیده شد (042/0P=).
نتیجه گیری: پوسیدگی درمان نشده در کودکان با اختلال بینایی بر اساس شاخص pufa در سیستم دندا‌ن‌های شیری و دائمی شیوع نسبتاً پایینی دارد و بیشترین سهم آن مربوط به پوسیدگی همراه با درگیری پالپی است. همچنین با افزایش سن پوسیدگی درمان نشده در دندا‌ن‌های شیری بیشتر خواهد شد.

زمینه و هدف: پوسیدگی دندان یکی از بیماری‌های مزمن دهان با شیوع بالا در سراسر جهان است. تشخیص به ‌موقع و دقیق پوسیدگی‌های دندانی نقش مهمی در جلوگیری از پیشرفت ضایعات و کاهش عوارض دارد. هدف از این مطالعه، مرور نظام‌مند مطالعات انجام شده در زمینه تشخیص پوسیدگی‌های دندانی بر روی رادیوگرافی پری‌ اپیکال با استفاده از یادگیری ماشین است.
روش بررسی: جستجوی جامعی در پایگاه‌های داده PubMed، Scopus، Web of Science،IEEE Xplore  و Google Scholar تا پایان سال 2024 انجام شد. معیارهای ورود شامل استفاده از الگوریتم‌های یادگیری ماشین برای تشخیص پوسیدگی دندان در رادیوگرافی‌های پری‌ اپیکال یا داخل دهانی بود. کیفیت مطالعات با استفاده از ابزار  QUADAS-2ارزیابی شد.
یافته‌ها: از 825 مقاله اولیه، 13 مطالعه معیارهای ورود را داشتند. تمام مطالعات از شبکه‌های عصبی کانولوشنی(CNNs) استفاده کرده بودند، با معماری‌های متنوعی از جمله ResNet، VGG، Inception، DenseNet و YOLO. مدل‌های مبتنی بر ResNet و مدل‌های ترکیبی آن بهترین عملکرد را با دقت تشخیصی 82 درصد تا 98 درصد نشان دادند. مقایسه با متخصصان انسانی در 6 مطالعه نشان داد که الگوریتم‌های یادگیری عمیق عملکرد مشابه یا بهتری داشتند.
نتیجه‌گیری: یادگیری عمیق، به‌ویژه CNNها، پتانسیل قابل توجهی برای بهبود تشخیص پوسیدگی‌های دندانی در رادیوگرافی‌های پری‌ اپیکال دارد. با این حال، چالش‌هایی مانند محدودیت داده‌های آموزشی با کیفیت و مسائل مربوط به تعمیم‌ پذیری نیاز به بررسی بیشتر دارد.

زمینه و هدف: بسیاری از مشکلات بهداشت دهان از جمله پوسیدگی دندان‌ها از سنین کودکی آغاز می‌گردد. از آنجا که پوسیدگی در میان پیت‌ها و فیشورها درصد بیشتری را به خود اختصاص داده است، برای گسترش فیشور سیلنت تراپی، بالا بردن آگاهی، نگرش والدین نسبت به اقدامات و روش‌های پیشگیرانه و به ویژه فلوراید تراپی و فیشور سیلنت تراپی اهمیت بسزایی دارد. لذا هدف از مطالعه حاضر ارزیابی آگاهی والدین کودکان 6 تا 12 ساله شهر خرم آباد از روش فیشور سیلنت برای پیشگیری از پوسیدگی دندان بود.
روش بررسی: مطالعه حاضر به صورت توصیفی- تحلیلی بود در این مطالعه 601 نفر از والدین کودکان 6 تا 12 سال مدارس خرم آباد در سال تحصیلی 1400-1399 به صورت نمونه گیری خوشه‌ای ارزیابی شدند. پرسشنامه طراحی شده شامل اطلاعات دموگرافیک و سؤالاتی که میزان آگاهی والدین در مورد فیشور سیلانت را براورد می‌کرد، بود. سپس داده‌ها با نرم افزار SPSS نسخه 23 و آزمون‌های آماری همبستگی پیرسون، ANOVA و تی مستقل آنالیز شد.
یافته‌ها: میانگین سن شرکت کننده‌ها 09/8 ± 54/40 بود. 339 نفر از افراد دارای تحصیلات کارشناسی به بالا بود. 3/17 درصد والدین دارای سطح آگاهی خوب بودند. در این مطالعه بین نمره آگاهی با متغیرهای سطح تحصیلات (02/0P<)، سابقه آموزش بهداشت دهان (001/0P<) و زمان مراجعه به دندانپزشک (001/0P<) رابطه معنی داری از لحاظ آماری مشاهده شد (05/0P<). اما با سن، نسبت والدین و وضعیت اقتصادی رابطه معنی داری مشاهده نشد (05/0P>).
نتیجه‌گیری: یافته‌های این مطالعه نشان داد که نمره آگاهی بیشتر افراد مورد مطالعه از فیشور سیلانت به ویژه در افراد دارای تحصیلات پایین و افرادی که هیچ آموزشی دریافت نکرده‌اند پایین می‌باشد و باید در راستای افزایش آگاهی والدین با جدیت بیشتری گام برداشت.

این مقاله مروری به ‌طور مفصل به ظرفیت پلی ‌فنول‌‌های گیاهی در دندانپزشکی ترمیمی و پیشگیرانه می‌پردازد. پلی ‌فنول‌‌ها به ‌عنوان ترکیبات طبیعی، با تغییر در اکولوژی بیوفیلم‌ها، از طریق کاهش ویرولانس، مهار سیگنال ‌دهی کوئوروم ‌سنسینگ، اختلال در تولید مواد پلیمری خارج‌ سلولی و کاهش اسید زایی، به بازآرایی وضعیت میکروبی در محیط دهان کمک می‌کنند. علاوه بر این، پلی ‌فنول‌‌ها با ایجاد پیوندهای عرضی در ساختار کلاژن، مهار فعالیت ماتریکس‌ متالوپروتئینازها و تعدیل التهاب، از بافت میزبان (دندان و لثه) محافظت کرده و به حفظ سلامت آن‌ها کمک می‌کنند. شواهد علمی موجود از آزمایش‌های آزمایشگاهی، درون‌ محیطی و بالینی نشان ‌دهنده بهبود دوام باند در اتصال بین عاج و رزین است. در این زمینه، قوی‌ترین داده‌ها مربوط به استفاده از پرایمرهایی است که بر پایه ترکیباتی همچون پروآنتوسیانیدین‌ها، Quercetin، Epigallocatechin Gallate (EGCG) و Resveratrol هستند. در زمینه پیشگیری، وارنیش‌های حاوی atechinC بازآرایی مینای دندان را در حد وارنیش‌های فلورایدی ایجاد می‌کنند، در ‌حالی ‌که دهان‌شویه‌های غنی از عصاره انار، در حضور فلوراید، اثرات ضد دمینرالیزاسیون و ضد بیوفیلم را افزایش می‌دهند. در زمینه ایمپلنت‌ها و پروتزهای دندانی، پوشش‌های عامل ‌دار بر پایه Tannic acid یا Caffeic acid با مهار تشکیل بیوفیلم، از سطح ایمپلنت فلزی در برابر خوردگی محافظت می‌کنند. با‌ این ‌حال، چالش‌های قابل توجهی در فرمولاسیون پلی ‌فنول‌‌ها وجود دارد، از جمله اکسید شدن سریع، حلالیت محدود و تغییر رنگ که نیاز به مدیریت دقیق دارند. برای غلبه بر این مشکلات، استفاده از کنترل دوز، انتخاب مناسب حلال، تثبیت کووالانسی و ریزکپسوله ‌سازی پلی ‌فنول‌‌ها توصیه می‌شود. برای استفاده گسترده‌تر و مؤثرتر از پلی ‌فنول‌‌ها در دندانپزشکی، استاندارد سازی مدل‌های آزمایشگاهی چند گونه و نقاط پایانی بالینی بسیار ضروری است. علاوه بر این، انجام کارآزمایی‌های آینده ‌نگر برای دستیابی نتایج از مراحل آزمایشگاهی به بالینی لازم است. در نهایت، با طراحی سامانه‌های رسانش هوشمند و پایش دراز مدت شاخص‌هایی مانند بقا، پوسیدگی ثانویه، سلامت لثه و پایداری نوری، پلی ‌فنول‌‌ها به نسل جدیدی از مواد دندانی ضد باکتری، زیست ‌سازگار و از نظر زیبایی پایدار بدل می‌شوند.