基于临床症状和体征的颞下颌关节紊乱预测模型

《Journal of Cranio-Maxillofacial Surgery》：A predictive model for arthrogenous temporomandibular disorders based on clinical signs and symptoms

　　

大卫·福斯蒂诺·安杰洛（David Faustino ?ngelo）|亨里克·若泽·卡多索（Henrique José Cardoso）|卡洛斯·热拉尔德斯（Carlos Geraldes）|里卡多·桑·若昂（Ricardo S?o Jo?o）|弗朗切斯科·马菲亚（Francesco Maffia）|大卫·桑兹（David Sanz）|弗朗西斯科·萨尔瓦多（Francisco Salvado）

葡萄牙面部研究所（Instituto Português da Face），地址：1500-493，里斯本，葡萄牙

摘要

本研究旨在开发并内部评估一个多变量统计模型，利用常规收集的临床数据来识别关节源性颞下颌关节紊乱（TMD）。该模型的性能与仅使用Fonseca病史指数（FAI）进行了比较，以基于影像学的分类作为参考标准。这项横断面观察性研究包括了2019年8月至2024年8月期间在三级TMD中心首次就诊的1170名连续患者。根据Dimitroulis分类标准，通过结合临床和影像学评估来确定关节源性TMD。临床变量包括年龄、最大张口度（MMO）、个别FAI条目以及与关节相关的症状，这些数据来自EUROTMJ数据库。使用广义加性模型（GAMs）来建立预测模型。通过接收者操作特征（ROC）曲线、曲线下面积（AUC）以及训练集（60%）和测试集（40%）的敏感性及特异性来评估模型性能。最终的Fonseca–Dimitroulis（FD-Class）模型纳入了年龄、MMO、选定的FAI条目（Q2、Q6、Q7）、关节弹响以及颞下颌关节（TMJ）锁定等症状。该模型在训练数据集中的AUC为0.761，在测试数据集中的AUC为0.742，优于单独使用FAI的情况（AUC = 0.662）。该模型可能有助于早期识别关节源性TMJ疾病，并改善颌面外科实践中关于是否需要进行高级影像学检查的决策。

引言

颞下颌关节紊乱（TMD）是一组影响颞下颌关节（TMJ）及其相关肌肉骨骼结构的异质性疾病。其特征是疼痛、功能受限、关节声音或肌肉紧张，会显著影响生活质量（Kapos等人，2020年；Angelo等人，2023年；Matheson等人，2023年）。在这些疾病中，关节源性TMD——起源于关节内部——是一个具有临床特征和治疗相关性的亚组。其识别至关重要，因为其管理策略和预后与肌肉或肌筋膜疾病不同（Christidis等人，2024年）。在常规临床实践中，对疑似TMD患者的初步评估基于自我报告的症状和基本的体格检查结果（Angelo等人，2023年）。这些数据易于收集、成本低且无创。然而，在这个早期阶段很难区分关节源性和非关节源性疾病。临床表现往往是非特异性的且存在重叠（Christidis等人，2024年；Nagi等人，2025年）。这使得关于是否进行影像学检查和转诊的早期决策更加具有挑战性。

Dimitroulis分类提供了一个全面的框架，用于诊断和分级TMJ疾病。它包括临床、功能和影像学评估（Dimitroulis，2013年）。然而，需要影像学数据。因此，它只能在所有检查完成后，在诊断工作的后期阶段应用（Dimitroulis，2013年）。因此，使用初次就诊时的数据来预测Dimitroulis定义的关节疾病将是一个重要的步骤，有助于实现更早的诊断和有针对性的干预（Matheson等人，2023年；Angelo等人，2024年）。这种方法可能有助于合理使用影像学检查和外科转诊途径在颌面外科实践中。它还可以帮助临床医生根据初次就诊时潜在的关节病理情况对患者进行分层。

本研究的目的是确定是否可以从初次就诊时获得的体征、症状和简单的临床发现中预测TMJ疾病。将初步的临床数据与最终的Dimitroulis分类进行比较，后者被用作判断是否存在关节TMJ疾病的金标准。使用这些变量开发并验证了一个统计模型。目标是创建一个低成本、微创的工具，以便在疾病出现时识别关节源性TMD（Mauro等人，2024年）。

本研究采用数据驱动的方法，将基于症状的临床筛查与影像学确认的关节源性TMD诊断联系起来。所得模型可能有助于早期分诊，指导高级诊断影像学检查的使用，并改善颌面外科实践中的患者管理（Mauro等人，2024年；Nagi等人，2025年）。

章节摘录

研究设计

这项为期五年的横断面观察性研究在葡萄牙面部研究所（里斯本）进行，时间从2019年8月1日至2024年8月1日。该研究获得了葡萄牙面部研究所伦理委员会的批准（PT/IPFace//PS/02408/01），并遵循赫尔辛基宣言进行。所有参与者在入组前均提供了书面知情同意书。纳入标准为：（1）初次就诊时记录了完整的数据；（2）

结果

共有1170名患者注册在EUROTMJ数据库中，其中1045名患者的所有建模变量数据完整。中位年龄为39.0岁[28.0；53.0岁]，79.7%为女性（表1）。在初次就诊时记录了与TMD一致的体征和症状。最常见的主诉是TMJ咔嗒声（78.6%）、TMJ疼痛（73.6%）和咀嚼肌紧张（72.9%）（表2）。

使用FAI根据报告的体征和症状来评估疾病的严重程度。

讨论

在这项横断面观察性研究中，我们开发了FD-Class模型，这是一种结合初次就诊时的临床数据和自我报告数据的预测算法，用于估计关节源性TMD。作为参考标准的是Dimitroulis分类，该分类整合了影像学和临床评估。该模型（包含年龄、MMO、选定的Fonseca条目、关节弹响、TMJ锁定等变量）的AUC约为0.75。它表现出更高的敏感性

结论

FD-Class模型表明，可以使用初次就诊时的临床数据来估计关节源性TMJ疾病，而无需影像学确认。该模型的性能优于单独使用FAI，并具有良好的区分能力。它提供了一个实用且敏感的早期检测工具。它充当了简单筛查和高级诊断之间的桥梁，为颌面外科实践中的TMD评估提供了可解释且成本效益高的解决方案。通过整合关键的临床信息

数据可用性声明

如需了解支持本研究结果的数据，可向相应作者提出合理请求。

资金声明

本研究未获得公共部门、商业部门或非营利部门的任何特定资助。

利益冲突

作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文所述的工作。

致谢

我们感谢葡萄牙风湿病学会和葡萄牙风湿病登记处（Reuma.pt）对欧洲颞下颌关节外科登记工作的支持。