基于Nomogram模型指導(dǎo)人工種植牙病人術(shù)后感染風(fēng)險(xiǎn)預(yù)測工具的設(shè)計(jì)

Design of a tool to predict the risk of postoperative infection in patients with dental implants based on the Nomogram model

TAO Xue，F(xiàn)ENG Feiyan，JI Yingying，ZHU Hong，ZHANG Yiwen，TANG Peipei^*

Affiliated Stomatological Hospital of Nanjing Medical University，Jiangsu 210000 China

Corresponding Author "TANG Peipei，E-mail：499293422@qq.com

Abstract Objective：To construct a tool to predict the risk of postoperative infection in patients with dental implants based on the Nomogram model，and to verify its predictive value.Methods：A total of 150 patients with dental implants admitted to the Special Clinic Department of the Affiliated Stomatological Hospital of Nanjing Medical University from January 2022 to January 2024 were selected as the survey subjects.The general data questionnaire was used to collect data.The patients were divided into the occurrence group and the control group according to whether they had postoperative infection.The clinical data of the two groups were compared.And the indicators with statistical significance were included in the Logistic regression analysis to clarify the independent influencing factors.The risk prediction chart of the Nomogram model was designed using R software.And its predictive performance was verified.Results：Among the 150 patients，25 patients developed postoperative infection，with an infection rate of 16.67%.Logistic regression analysis showed that smoking and drinking history，comorbidities，use of antibiotics during surgery，brushing frequency，and preoperative education were independent influencing factors for postoperative infection of dental implants.The area under the receiver operating characteristic curve of the model was 0.782（95%CI 0.725-0.832）.The sensitivity was 0.834.The specificity was 0.746.Tthe critical value probability was 0.329.The C-index was 0.741.And the prediction accuracy was 83.33%.Conclusions：In this study，the constructed risk prediction chart for postoperative infection of patients with dental implants based on the Nomogram model provides a set of scientific，intuitive，and effective risk assessment tool for clinical practice.Which is helpful to improve the quality of preventive nursing management of postoperative infection.

Keywords "Nomogram model; artificial dental implants; postoperative infection; risk prediction tool

摘要""目的：基于Nomogram模型構(gòu)建人工種植牙病人術(shù)后感染風(fēng)險(xiǎn)預(yù)測工具，并驗(yàn)證其預(yù)測價(jià)值。方法：選取2022年1月—2024年1月南京醫(yī)科大學(xué)附屬口腔醫(yī)院特診科收治的150例人工種植牙病人為調(diào)查對象，采用一般資料調(diào)查表收集資料，根據(jù)術(shù)后是否發(fā)生感染分為發(fā)生組和未發(fā)生組，比較兩組臨床資料，將具有統(tǒng)計(jì)學(xué)意義的指標(biāo)納入Logistic回歸分析，明確獨(dú)立影響因素，采用R軟件設(shè)計(jì)Nomogram模型的風(fēng)險(xiǎn)預(yù)測圖，并驗(yàn)證其預(yù)測性能。結(jié)果：150例病人中，25例病人發(fā)生術(shù)后感染，感染率為16.67%；Logistic回歸分析結(jié)果顯示，吸煙及飲酒史、合并癥、術(shù)中是否使用抗生素、每日刷牙頻率、術(shù)前教育是人工種植牙術(shù)后感染的獨(dú)立影響因素；模型的受試者操作特征曲線下面積為0.782［95%CI（0.725，0.832）］，靈敏度為0.834，特異度為0.746，臨界值為0.329，C?index為0.741，預(yù)測準(zhǔn)確率為83.33%。結(jié)論：本研究基于Nomogram模型構(gòu)建的人工種植牙病人術(shù)后感染風(fēng)險(xiǎn)預(yù)測圖能為臨床實(shí)踐提供一套科學(xué)、直觀、有效的風(fēng)險(xiǎn)評估工具，有助于提高術(shù)后感染的預(yù)防護(hù)理管理質(zhì)量。

關(guān)鍵詞""Nomogram模型；人工種植牙；術(shù)后感染；風(fēng)險(xiǎn)預(yù)測工具

doi：10.12102/j.issn.2095-8668.2025.05.007

人工種植牙是將人工牙根植入牙槽骨中，固定牙冠，恢復(fù)病人咀嚼功能和美觀的重要修復(fù)手段，具有穩(wěn)固、咀嚼效能高、異物感低等優(yōu)勢^［1］。術(shù)后感染是種植牙治療過程中較為常見的并發(fā)癥之一，表現(xiàn)為種植體周圍的炎癥反應(yīng)，嚴(yán)重時可能導(dǎo)致種植體松動甚至脫落，影響病人的治療效果和生活質(zhì)量^［2］。研究顯示，種植牙術(shù)后的感染率為5%～10%，是延長治療周期、增加醫(yī)療成本的重要原因^［3］。目前，臨床針對人工種植牙術(shù)后感染的研究主要集中在術(shù)后感染的臨床表現(xiàn)和治療方法上，對感染發(fā)生的危險(xiǎn)因素探討較少，且缺乏有效的風(fēng)險(xiǎn)預(yù)測模型，難以對個體病人的感染風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確評估^［4］。Nomogram模型作為一種可視化的風(fēng)險(xiǎn)預(yù)測工具，具有直觀、簡便、準(zhǔn)確的優(yōu)勢，通過整合多個危險(xiǎn)因素，生成具體的風(fēng)險(xiǎn)評分，能幫助臨床醫(yī)生直觀地了解病人的感染風(fēng)險(xiǎn)^［5］。研究證實(shí)，Nomogram模型不僅可提高風(fēng)險(xiǎn)評估的準(zhǔn)確性，還能為臨床決策提供有力支持，促進(jìn)個體化治療方案的制定^［6］。本研究通過系統(tǒng)分析病人的臨床資料，識別術(shù)后感染的關(guān)鍵因素，基于Nomogram模型構(gòu)建科學(xué)的風(fēng)險(xiǎn)預(yù)測圖，旨在為臨床提供有效的風(fēng)險(xiǎn)評估工具，提高術(shù)后感染的預(yù)防和管理水平。現(xiàn)報(bào)道如下。

1 資料與方法

1.1 臨床資料

通過便利抽樣法選取2022年1月—2024年1月南京醫(yī)科大學(xué)附屬口腔醫(yī)院特診科收治的150例人工種植牙病人為調(diào)查對象（建模組）。納入標(biāo)準(zhǔn)：年齡≥18歲；接受單顆或多顆人工種植牙修復(fù)的病人；已完成人工種植牙手術(shù)并進(jìn)入恢復(fù)期的病人；病人對本研究知情且自愿參與；具備正常自理與交流能力。排除標(biāo)準(zhǔn)：患有嚴(yán)重全身性疾??；口腔內(nèi)存在未治療的活動性感染或嚴(yán)重的牙周病病人；接受其他重大口腔手術(shù)治療的病人；中途退出或參與其他研究者。樣本量計(jì)算公式：n=。其中，n表示樣本量，Z_α/2表示顯著性水平對應(yīng)Z值，p表示預(yù)期效應(yīng)比例，δ表示允許的誤差（通常在預(yù)測模型中取5%～10%）。研究中，假設(shè)采用χ2檢驗(yàn)來分析危險(xiǎn)因素與病人術(shù)后感染的關(guān)系是20%，顯著性水平為0.05，統(tǒng)計(jì)效能為0.8。根據(jù)以上參數(shù)樣本量計(jì)算得出樣本量為127例，考慮到20%失訪率，最后選擇將樣本量設(shè)置為153例。根據(jù)樣本量比例8∶2，選擇本醫(yī)院2022年1月—2024年1月的30例行人工種植牙的病人作為驗(yàn)證集。本研究經(jīng)過醫(yī)院倫理委員會審核通過（編號：南醫(yī)口腔倫審?PJ2021?01?019）。

1.2 調(diào)查工具及方法

1.2.1 調(diào)查工具

采用一般資料調(diào)查表，內(nèi)容包括性別、年齡、文化程度、合并癥（高血壓、糖尿病、高血脂）、吸煙及飲酒史、手術(shù)時間、既往病史、種植牙位、種植體數(shù)量、種植直徑、術(shù)中是否使用抗生素、術(shù)中是否發(fā)生并發(fā)癥、埋植方式、術(shù)中是否使用覆蓋膜、術(shù)后是否使用抗菌漱口水、菌斑指數(shù)、刷牙頻率、術(shù)前教育。

1.2.2 感染診斷標(biāo)準(zhǔn)

種植術(shù)后手術(shù)區(qū)域出現(xiàn)腫脹、疼痛癥狀；術(shù)區(qū)牙齦有膿液溢出；術(shù)后病人出現(xiàn)低熱癥狀，但體溫≤38 ℃；細(xì)菌培養(yǎng)結(jié)果顯示：革蘭陽性菌與真菌≥10⁴ "cfu/mL（陽性），革蘭陰性菌與真菌≥10⁴ "cfu/mL（陽性）^［7］。

1.2.3 數(shù)據(jù)收集方法

由經(jīng)過專業(yè)培訓(xùn)后的護(hù)士與病人進(jìn)行溝通，獲得病人知情同意后開展調(diào)查，其中一般資料調(diào)查表中內(nèi)容可通過一對一交談及電子病歷系統(tǒng)進(jìn)行獲取，感染的觀察周期為術(shù)后2周內(nèi)，通過電話隨訪形式每周詢問病人術(shù)后康復(fù)情況與感染指征，存在可疑癥狀者可通過入院復(fù)查進(jìn)行確診。收集完畢后，采用雙人法錄入數(shù)據(jù)對數(shù)據(jù)進(jìn)行核查、統(tǒng)計(jì)分析，共發(fā)放問卷150份，回收150份，有效回收率為100%。

1.3 統(tǒng)計(jì)學(xué)方法

采用SPSS 26.0及R 4.0.3軟件進(jìn)行統(tǒng)計(jì)分析，定性資料以頻數(shù)、百分比（%）進(jìn)行描述，兩組間比較采用χ²檢驗(yàn)，將單因素分析中差異有統(tǒng)計(jì)學(xué)意義的變量納入Logistic回歸分析。運(yùn)用R軟件繪制列線圖，采用受試者工作特征（ROC）曲線下面積（AUC）、Hosmer?Lemeshow χ²檢驗(yàn)驗(yàn)證模型的預(yù)測效能。

2 結(jié)果

2.1 人工種植牙術(shù)后感染發(fā)生情況

通過對150例病人進(jìn)行現(xiàn)狀調(diào)查，結(jié)果顯示，有25例病人發(fā)生術(shù)后感染，感染率為16.67%，列為發(fā)生組，將未發(fā)生術(shù)后感染125例（83.33%）病人列為未發(fā)生組。

2.2 人工種植牙術(shù)后感染的單因素分析

單因素分析結(jié)果顯示，發(fā)生組和未發(fā)生組年齡、合并癥、吸煙及飲酒史、術(shù)中是否使用抗生素、菌斑指數(shù)、刷牙頻率、術(shù)前教育比較差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05）。見表1。

2.3 人工種植牙術(shù)后感染的多因素Logistic回歸分析

以人工種植牙術(shù)后感染為因變量（感染=1，未感染=0），單因素分析中有統(tǒng)計(jì)學(xué)意義的因素為自變量，進(jìn)行多因素Logistic回歸分析。自變量賦值見表2，Logistic回歸分析結(jié)果顯示，吸煙及飲酒史、合并癥、術(shù)中是否使用抗生素、刷牙頻率、術(shù)前教育是人工種植牙術(shù)后感染的獨(dú)立危險(xiǎn)因素。見表3。

2.4 構(gòu)建人工種植牙術(shù)后感染的Nomogram模型

以Logistic回歸分析得出的5個獨(dú)立危險(xiǎn)因素為依據(jù)，采用R軟件構(gòu)建風(fēng)險(xiǎn)預(yù)測模型，見圖1。各變量評分分別為78、61、35、79、33分，總分為286分，如1例合并高血壓病人，術(shù)前沒有接受教育、沒有吸煙飲酒史、術(shù)中使用了抗生素，刷牙頻率每日1次。則該病人術(shù)后感染風(fēng)險(xiǎn)得分為78+61+0+0+33＝172分，根據(jù)圖示可直接得出術(shù)后感染的風(fēng)險(xiǎn)約72%。

2.5 風(fēng)險(xiǎn)預(yù)測模型的檢驗(yàn)

2.5.1 內(nèi)部檢驗(yàn)

采用Hosmer?Lemeshow進(jìn)行擬合優(yōu)度檢驗(yàn)，結(jié)果顯示，χ²=2.416，P=0.787；區(qū)分度驗(yàn)證利用AUC評價(jià)，結(jié)果顯示，模型的AUC為0.782［95%CI（0.725，0.832）］，靈敏度為0.834，特異度為0.746，臨界值為0.329。見圖2。一致性驗(yàn)證通過校準(zhǔn)曲線檢驗(yàn)，結(jié)果表明C?index為0.741，校準(zhǔn)曲線的斜率接近1。

2.5.2 內(nèi)部驗(yàn)證

采用驗(yàn)證集進(jìn)行評價(jià)，檢驗(yàn)其預(yù)測準(zhǔn)確度。結(jié)果顯示，模型預(yù)測人工種植牙術(shù)后病人會發(fā)生感染的有5例，實(shí)際發(fā)生2例，預(yù)測不會出現(xiàn)感染的25例中實(shí)際未發(fā)生的有23例，計(jì)算得到預(yù)測準(zhǔn)確率為（2+23）/30×100%=83.33%。

3 討論

3.1 人工種植牙術(shù)后感染發(fā)生情況及相關(guān)因素

本研究結(jié)果顯示，人工種植牙術(shù)后感染發(fā)生率為16.67%。這一結(jié)果與楊雨琳等^［8］研究報(bào)道的數(shù)據(jù)（10%～15%）相似，高于何杏芳^［9］報(bào)道的術(shù)后感染率（5%）。這些差異可能由多個因素引起。首先，研究對象的差異。本研究中病人多為中老年人，其健康狀況、口腔衛(wèi)生習(xí)慣和既往病史等可能存在差異。其次，手術(shù)操作的規(guī)范性、種植體的選擇、術(shù)中無菌操作的嚴(yán)格程度等都可能對術(shù)后感染發(fā)生率產(chǎn)生影響。為進(jìn)一步掌握病人術(shù)后感染的可能性和更好地控制感染發(fā)生風(fēng)險(xiǎn)，本研究通過系統(tǒng)分析和比較不同研究結(jié)果，以識別術(shù)后感染的影響因素。

3.1.1 吸煙及飲酒史

本研究表明，吸煙和飲酒史是影響人工種植牙術(shù)后感染發(fā)生的獨(dú)立影響因素。研究報(bào)道，吸煙者的術(shù)后感染率明顯高于非吸煙者，感染率為20%^［10］。分析原因：吸煙會改變口腔內(nèi)的微生物環(huán)境，增加有害細(xì)菌的數(shù)量，這些細(xì)菌在術(shù)后更易感染手術(shù)創(chuàng)面，同時吸煙可使唾液中精氨酸酶活性增加，使一氧化氮的產(chǎn)生減少，進(jìn)而影響局部血液循環(huán)，增加對細(xì)菌感染的敏感性^［11］。肝臟在免疫系統(tǒng)中起著重要作用，長期飲酒會抑制免疫系統(tǒng)功能，削弱機(jī)體對感染的防御能力。乙醇影響肝臟功能、血液循環(huán)，導(dǎo)致局部組織缺氧，延緩傷口愈合過程，并增加感染的風(fēng)險(xiǎn)。因此，吸煙和飲酒史明顯增加了人工種植牙術(shù)后感染的風(fēng)險(xiǎn)^［12］。

3.1.2 合并癥

本研究發(fā)現(xiàn)，合并癥是影響人工種植牙術(shù)后感染發(fā)生的獨(dú)立影響因素。調(diào)查顯示，糖尿病等全身性疾病增加了術(shù)后感染的風(fēng)險(xiǎn)，感染率達(dá)25%^［13］。與本研究結(jié)論相似。分析原因：良好的血液供應(yīng)對于傷口愈合和抵抗感染至關(guān)重要，高血壓病人普遍存在血液循環(huán)不良情況，導(dǎo)致局部組織缺氧，削弱了抵御細(xì)菌感染的能力。糖尿病病人唾液腺分泌減少，唾液酶活性降低，口腔自凈能力、口腔黏膜防御能力明顯下降，易并發(fā)感染^［14］。除此之外，合并多種慢性疾病病人需要長期服用藥物，這些藥物可能會進(jìn)一步抑制免疫反應(yīng)或干擾正常的愈合過程，間接增加術(shù)后感染的風(fēng)險(xiǎn)。

3.1.3 術(shù)中使用抗生素

本研究結(jié)果表明，術(shù)中使用抗生素是影響人工種植牙術(shù)后感染發(fā)生的獨(dú)立影響因素。分析原因：手術(shù)操作不可避免地會引入口腔內(nèi)外的細(xì)菌，抗生素的使用可以早期抑制細(xì)菌的繁殖，防止其在傷口處定植并引發(fā)感染。陳凱^［15］研究顯示，術(shù)中預(yù)防性使用抗生素可以將術(shù)后感染率從15%降低至5%?？股氐氖褂每稍谑中g(shù)過程中提供一個抗菌屏障，輔助機(jī)體的免疫系統(tǒng)更有效地對抗可能的感染源，同時對于有全身性疾病或免疫功能低下的病人，術(shù)中使用抗生素可以有效降低術(shù)后全身性感染的風(fēng)險(xiǎn)^［16］。

3.1.4 每日刷牙頻率

本研究表明，每日刷牙頻率是人工種植牙術(shù)后感染發(fā)生的獨(dú)立影響因素，刷牙頻率較低會導(dǎo)致口腔內(nèi)的食物殘?jiān)图?xì)菌得不到及時清除，導(dǎo)致牙菌斑和食物殘?jiān)诳谇粌?nèi)堆積，形成有害的細(xì)菌環(huán)境，從而增加感染風(fēng)險(xiǎn)。牙菌斑引起的牙齦炎和牙周炎會激發(fā)機(jī)體的炎癥反應(yīng)，導(dǎo)致局部組織紅腫、疼痛，甚至出血，這些炎癥反應(yīng)不僅會降低口腔的局部免疫力，還會為細(xì)菌的侵入提供機(jī)會，使得種植牙周圍組織更易受到感染^［17］。王博識等^［18］研究顯示，每日刷牙少于2次的病人，種植牙周圍感染的風(fēng)險(xiǎn)顯著增加，與本研究結(jié)果一致。

3.1.5 術(shù)前教育

本研究表明，術(shù)前教育是人工種植牙術(shù)后感染發(fā)生的獨(dú)立影響因素。術(shù)前教育可以提高病人對口腔衛(wèi)生重要性的認(rèn)識，了解正確的護(hù)理方法，包括口腔衛(wèi)生的保持、飲食習(xí)慣的調(diào)整和術(shù)后護(hù)理步驟等，增強(qiáng)了病人的自我護(hù)理能力。接受術(shù)前教育的病人能夠遵循醫(yī)囑，嚴(yán)格執(zhí)行術(shù)后護(hù)理方案，包括正確的刷牙方法、使用抗菌漱口水以及按時復(fù)診等，從而減少感染的風(fēng)險(xiǎn)^［19］。劉湘艷等^［20］研究顯示，對病人實(shí)施有效且全面的術(shù)前教育，能夠提高病人的自我護(hù)理意識和技能，增強(qiáng)病人的依從性和主動性，有效預(yù)防術(shù)后感染。與本研究結(jié)果一致。

3.2 基于Nomogram模型構(gòu)建的人工種植牙術(shù)后感染風(fēng)險(xiǎn)預(yù)測模型具有良好預(yù)測價(jià)值

Nomogram模型是一種基于統(tǒng)計(jì)學(xué)與圖形化方法的預(yù)測工具，通過整合多個變量的回歸系數(shù)，將復(fù)雜的數(shù)學(xué)模型轉(zhuǎn)化為簡單直觀的圖形，核心優(yōu)勢在于其可視化和個性化的預(yù)測能力，使臨床醫(yī)生和病人能夠更清晰地理解不同變量對預(yù)測結(jié)果的影響^［21］。王桃等^［22］為種植牙病人構(gòu)建種植失敗風(fēng)險(xiǎn)的Nomogram圖，顯示預(yù)測價(jià)值良好。黃翠蓮等^［23］以風(fēng)險(xiǎn)預(yù)測圖為依據(jù)，構(gòu)建了老年髖部骨折病人圍術(shù)期護(hù)理方案，證實(shí)了該圖對臨床實(shí)踐的指導(dǎo)價(jià)值。本研究以單因素、多因素回歸分析篩選出的變量（如每日刷牙頻率、術(shù)前教育、吸煙飲酒史等）為依據(jù)，輸入模型實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測圖的構(gòu)建，可以計(jì)算出每個特征對術(shù)后感染風(fēng)險(xiǎn)的貢獻(xiàn)，并給出一個綜合的風(fēng)險(xiǎn)評分，通過圖形化的風(fēng)險(xiǎn)預(yù)測圖，醫(yī)生和病人可以直觀地看到每個變量對整體風(fēng)險(xiǎn)的影響，從而幫助臨床醫(yī)生對病人的感染風(fēng)險(xiǎn)進(jìn)行量化評估，制訂更加精準(zhǔn)的術(shù)后護(hù)理和預(yù)防策略。該風(fēng)險(xiǎn)預(yù)測圖基于大量統(tǒng)計(jì)數(shù)據(jù)和回歸分析設(shè)計(jì)，能夠提供科學(xué)、可靠的風(fēng)險(xiǎn)評估結(jié)果，設(shè)計(jì)完成后，對模型的有效性進(jìn)行了詳細(xì)評估，模型的擬合優(yōu)度通過Hosmer?Lemeshow χ²檢驗(yàn)評估，Pgt;0.05，說明模型能夠較好地反映實(shí)際數(shù)據(jù)。本研究結(jié)果顯示，該模型的χ²值為2.416，P值為0.787。區(qū)分度驗(yàn)證使用AUC進(jìn)行評估，AUC值越接近1表明區(qū)分度越好。結(jié)果顯示，模型的AUC為0.782［95%CI（0.725，0.832）］，靈敏度為0.834，特異度為0.746，臨界值為0.329，表明其在區(qū)分有感染風(fēng)險(xiǎn)和無感染風(fēng)險(xiǎn)病人方面具有較高的準(zhǔn)確性。通過C?index范圍驗(yàn)證模型的區(qū)分能力，結(jié)果顯示，C?index為0.741，表明模型在預(yù)測術(shù)后感染風(fēng)險(xiǎn)方面具有較好的一致性和可靠性。另外，本研究通過預(yù)測準(zhǔn)確度檢驗(yàn)，判斷該預(yù)測圖在臨床實(shí)踐中的預(yù)測準(zhǔn)確率，結(jié)果顯示，該預(yù)測圖在驗(yàn)證組中的預(yù)測準(zhǔn)確率為83.33%，表明預(yù)測能力良好，可為臨床提供前瞻性、精準(zhǔn)性的評估工具。

4 小結(jié)

本研究通過構(gòu)建基于Nomogram模型的人工種植牙術(shù)后感染風(fēng)險(xiǎn)預(yù)測圖，能為臨床實(shí)踐提供一套科學(xué)、直觀、有效的風(fēng)險(xiǎn)評估工具，不僅有助于提高病人的術(shù)后管理水平，降低感染風(fēng)險(xiǎn)，還能優(yōu)化醫(yī)療資源配置，增強(qiáng)病人的健康意識和自我管理能力。同時本研究也存在以下幾點(diǎn)不足，首先，研究類型較為單一，僅做了橫斷面調(diào)查，且研究范圍較為集中、樣本量有限，結(jié)論存在局限性。其次，模型的復(fù)雜性可能導(dǎo)致臨床應(yīng)用中的不便，尤其是在時間緊迫或資源有限的情況下。未來還將開展多中心、多人群的外部驗(yàn)證研究，并利用機(jī)器學(xué)習(xí)和人工智能技術(shù)，開發(fā)更加智能和精準(zhǔn)的風(fēng)險(xiǎn)預(yù)測模型，考慮更多的變量和交互效應(yīng)，提升模型的預(yù)測性能，最終實(shí)現(xiàn)更精準(zhǔn)的風(fēng)險(xiǎn)評估和更有效的病人管理。

參考文獻(xiàn)：

［1］ AHN D H，KIM H J，JOO J Y，et al.Prevalence and risk factors of peri-implant mucositis and peri-implantitis after at least 7 years of loading[J].Journal of Periodontal amp; Implant Science，2019，49（6）：397-405.

［2］ NATTO Z S，ALMEGANNI N，ALNAKEEB E，et al.Peri-implantitis and peri-implant mucositis case definitions in dental research：a systematic assessment[J].Journal of Oral Implantology，2019，45（2）：127-131.

［3］ 滕建平，應(yīng)寶洪，趙鵑.口腔種植體周圍細(xì)菌感染病原菌分布及影響因素和預(yù)防措施[J].中國預(yù)防醫(yī)學(xué)雜志，2019，20（5）：467-469.

［4］ 李瑞華，宋靜，營秀，等.抗生素與漱口液在預(yù)防糖尿病患者種植牙術(shù)后感染的臨床對比研究[J].齊齊哈爾醫(yī)學(xué)院學(xué)報(bào)，2020，41（9）：1089-1091.

［5］ 潘淑淑，沈起鈞，阮玫，等.聯(lián)合Nomogram模型預(yù)測卵巢囊腺瘤分類的價(jià)值[J].浙江醫(yī)學(xué)，2020，42（6）：566-570.

［6］ 董瑤，宋玲.主動脈手術(shù)患者術(shù)中壓力性損傷Nomogram預(yù)測模型的建立[J].中華現(xiàn)代護(hù)理雜志，2021，27（18）：2453-2458.

［7］ 張俊超.種植牙患者術(shù)后并發(fā)口腔感染的病原菌分布與耐藥性分析[J].抗感染藥學(xué)，2022，19（5）：686-689.

［8］ 楊雨琳，張雪蘭，殷春芳.人工種植牙患者圍手術(shù)期感染的危險(xiǎn)因素及護(hù)理管理對策[J].護(hù)理實(shí)踐與研究，2021，18（1）：114-117.

［9］ 何杏芳.人工種植牙圍手術(shù)期感染的相關(guān)因素分析與防護(hù)措施[J].護(hù)理實(shí)踐與研究，2019，16（20）：115-116.

［10］ 徐丹慧，林海燕，劉翠梅.口腔頜面部手術(shù)部位感染11年趨勢分析[J].中國感染控制雜志，2019，18（3）：200-205.

［11］ 何訸.口腔種植體周圍細(xì)菌感染病原菌分布和危險(xiǎn)因素分析[J].中國基層醫(yī)藥，2019，26（23）：2878-2881.

［12］ 王亞玲，曹直，劉軍.種植體周圍炎患者病原菌分布及其耐藥性和感染危險(xiǎn)因素分析[J].中國病原生物學(xué)雜志，2019，14（8）：955-958.

［13］ 俞誠波，蔡敏秋.口腔種植體周圍細(xì)菌感染病原菌特點(diǎn)及影響因素分析[J].中國基層醫(yī)藥，2020，27（24）：3039-3042.

［14］ 梁瑋，趙慧華.糖尿病與口腔疾病互為因果的臨床研究進(jìn)展[J].護(hù)理研究，2019，33（1）：50-53.

［15］ 陳凱.68例口腔頜面部惡性腫瘤患者術(shù)后感染的病原菌分布特點(diǎn)及其對常用抗菌藥物的敏感性分析[J].抗感染藥學(xué)，2021，18（4）：525-528.

［16］ 阮丹平，楊奕辰，鄧思楠，等.2型糖尿病患者術(shù)前預(yù)防性應(yīng)用抗生素對口腔種植療效的影響：3～5年回顧性研究[J].中國口腔頜面外科雜志，2020，18（3）：231-235.

［17］ 劉仁英.全方位立體干預(yù)對種植牙病人口腔健康指數(shù)及醫(yī)院感染率的影響[J].全科護(hù)理，2020，18（24）：3197-3199.

［18］ 王博識，唐金鳳.2型糖病尿患者人工種植義齒預(yù)后的相關(guān)性分析[J].母嬰世界，2020（28）：14-16.

［19］ 吉金萍，李冰.系統(tǒng)化健康教育聯(lián)合心理護(hù)理對老年種植牙患者的應(yīng)用價(jià)值分析[J].中華老年口腔醫(yī)學(xué)雜志，2023，21（5）：289-293.

［20］ 劉湘艷，程曉卉，謝小星，等.舒適護(hù)理結(jié)合健康教育對人工種植牙手術(shù)患者護(hù)理滿意度與術(shù)后并發(fā)癥發(fā)生率的影響[J].黔南民族醫(yī)專學(xué)報(bào)，2023，36（2）：122-124.

［21］ 馮靜，王祺，吳玉梅，等.基于Nomogram模型對2型糖尿病合并動脈粥樣硬化的臨床預(yù)測模型的初步探索[J].醫(yī)學(xué)綜述，2022，28（10）：2060-2064.

［22］ 王桃，吳燕，肖茂萍.種植體周圍炎患者早期種植牙失敗風(fēng)險(xiǎn)的列線圖預(yù)測模型構(gòu)建[J].四川醫(yī)學(xué)，2023，44（5）：529-535.

［23］ 黃翠蓮，楊珍，陳曉紅，等.基于譫妄風(fēng)險(xiǎn)預(yù)測模型的護(hù)理模式在老年髖部骨折患者圍手術(shù)期的應(yīng)用效果研究[J].當(dāng)代醫(yī)藥論叢，2021，19（15）：187-190.

（收稿日期：2024-06-23；修回日期：2025-02-19）

（本文編輯"張建華）