Het nemen van beslissingen in de cariologie

Thema: Cariologie
E.H. Verdonschot1
S.L. Liem
W.H. van Palenstein
Helderman2
Samenvatting
Trefwoorden:
• Besliskunde
• Utiliteit
• Cariologie
Uit 1de afdeling Cariologie
en Endodontologie van het
Universitair Medisch Centrum Sint Radboud in Nijmegen en 2het WHO-Collabora-
Verdonschot e.a.: Beslissingen in de cariologie
Het nemen van beslissingen
in de cariologie
Bij het uitvoeren van een mondonderzoek, het bestuderen van röntgenfoto’s en het opstellen van
behandelingsplannen neemt een tandarts veel beslissingen. De tandarts zou genomen beslissingen
moeten kunnen expliciteren. Hierbij kunnen beslisbomen en besliskundige analyses een belangrijke
rol spelen. Daarbij wordt de kans op juiste en onjuiste diagnoses vermenigvuldigd met de waarde die
bijvoorbeeld de patiënt aan de uiteindelijke behandelbeslissing geeft (utiliteit). Uitvoering van de
behandeloptie met de hoogste productwaarde van kans maal utiliteit (verwachte utiliteit) ligt het
meest voor de hand. Complexe beslissingen, zoals de bepaling van het cariësrisico van een individu of
de diagnostiek van botafwijkingen, worden momenteel reeds aangeboden in de vorm van computertoepassingen. Ook een eerste programma, waarbij de computer zelfstandig cariëslaesies vanaf bitewing-opnamen diagnosticeert, is inmiddels beschikbaar. Het gebruik van besliskundige analyses in de
praktijk zal naar verwachting pas toenemen als deze analyses zijn geïmplementeerd in de praktijkadministratiepakketten.
ting Centre for Oral Health
Care Planning and Future
VERDONSCHOT EH, LIEM SL, PALENSTEIN HELDERMAN WH VAN. Het nemen van beslissingen in de cariologie. Ned Tijdschr
Scenarios in Nijmegen.
Tandheelkd 2003; 110: 482-487.
Datum van acceptatie:
28 augustus 2003.
Adres:
Dr. E.H. Verdonschot
UMC St Radboud
Huispost 117
Postbus 9101
6500 HB Nijmegen
[email protected]
482
Inleiding
Elke tandarts neemt bij het onderzoeken en behandelen
van patiënten vele beslissingen. Een klinische beslissing
kan betrekking hebben op de keuze van het onderzoek,
het vervaardigen van röntgenfoto’s, de diagnose, de
behandelalternatieven en de bepaling van de controletermijn. Vaak worden beslissingen impliciet genomen.
Voorbeelden hiervan zijn het niet-behandelen van crowding in het onderfront bij oudere patiënten, het niet
behandelen van verkleurde fissuren bij oudere patiënten en het indiceren van een restauratie bij het waarnemen van een grote cariëslaesie in het dentine. Dergelijke
beslissingen worden genomen zonder dat de tandarts
een expliciet denkproces doormaakt. Andere beslissingen worden genomen nadat goed is nagedacht over het
probleem en na uitgebreid overleg met de patiënt.
Bij het nemen van klinische beslissingen spelen vele
patiënt- en tandartsgebonden factoren een rol (Bader
en Shugars, 1993; Plasschaert et al, 1995). Binnen het
domein van de klinische cariologie behoren tot de
patiëntfactoren de diepte van de cariëslaesies, de
betrokkenheid van de pulpa, de hoeveelheid plaque,
maar ook de motivering van de patiënt om de cariëslaesies te laten behandelen, de motivering om regelmatig
tanden te poetsen, de angst voor de restauratieve
behandeling en de beschikbaarheid over financiële
middelen. Tot de tandartsfactoren worden gerekend de
vaardigheid en de ervaring van de tandarts, zijn risicotolerantie, de toepassing van diagnostische tests,
behandelvoorkeuren, de hoeveelheid tijd per patiënt
(het aantal patiënten in de praktijk) en de samenwerking binnen de praktijk. Het is niet verwonderlijk dat
deze factoren invloed kunnen uitoefenen op een beslisproces en leiden tot grote variatie tussen tandartsen bij
de diagnostiek van primaire cariëslaesies en bij de keuze uit de behandelalternatieven (Kay en Nuttall, 1994).
Door deze grote variatie kunnen vraagtekens worden
geplaatst bij de kwaliteit en de kosteneffectiviteit van
preventieve en restauratieve behandelingen. Door de
variatie tussen tandartsen te verkleinen wordt niet
alleen een verbetering verwacht van de kwaliteit en de
kosteneffectiviteit, maar tevens zou het kunnen leiden
tot meer vertrouwen van het publiek in de tandheelkundige professie.
Er zijn twee bewegingen om de variatie in de diagnostiek en de behandelbeslissingen te reduceren.
Enerzijds betreft het het opstellen en de implementatie van klinische richtlijnen (Van der Sanden et al,
2002). Anderzijds zijn er ontwikkelingen op het terrein
van de ondersteuning van tandartsen door kennissystemen, computers die de risicoanalyse en het beslisproces begeleiden (Hikmet, 2002).
Klinische praktijkrichtlijnen
Praktijkrichtlijnen worden door tandartsen-algemeen
practici wel bestempeld als een middel om de professionele autonomie van de zorgverlener te limiteren
(Van der Sanden et al, 2003). Voorstanders van richtlijnen beweren echter dat een richtlijn niets anders kan
en mag zijn dan een hulpmiddel bij het nemen van klinische beslissingen. Inmiddels ontstaat ook onder
praktiserende tandartsen het besef dat het onmogelijk
is om op de hoogte te blijven van alle ontwikkelingen
binnen het vakgebied. De hoeveelheid literatuur, waarin melding wordt gemaakt van nieuwe inzichten,
methoden en technieken, is dermate overweldigend
dat een tandarts onmogelijk alles kan bestuderen. In
een richtlijn, die periodiek wordt bijgesteld, worden
relevante ontwikkelingen opgenomen waardoor een
tandarts deze relatief eenvoudig bij de behandeling
van patiënten kan gebruiken.
Ned Tijdschr Tandheelkd 110 (2003) december
Thema: Cariologie
Beslisknoop
Kansknoop
Eindknoop
Utiliteit
0,43
Juist-positieve
beslissing (JP)
1
0,57
Fout-positieve
beslissing (FP)
0
0,11
Fout-negatieve
beslissing (FN)
0
0,89
Juist-negatieve
beslissing (JN)
1
0,20
Fout-negatieve
beslissing (FN)
0
0,80
Juist-negatieve
beslissing (JN)
1
P(pos): 0,28
Bitewing-opnamen
P(neg): 0,72
Geen diagnostische test
Aanbevelingen uit klinische praktijkrichtlijnen kunnen vrijwel integraal worden toegepast op de tandheelkundige behandeling van een individuele patiënt,
indien het een monocausale, op zichzelf staande ziekte
betreft. Richtlijnen voor diagnostiek, preventie en
behandeling van cariës zullen daarentegen rekening
houden met een groot aantal risicofactoren en -indicatoren onder patiënten. Hierdoor zullen dergelijke
richtlijnen veelal in de vorm van een computerprogramma, bijvoorbeeld geïntegreerd in praktijkadministratiesystemen, worden aangeboden.
Het nemen van diagnostische beslissingen
Periodiek zal de tandarts moeten afwegen of nieuwe
bitewing-opnamen gewenst zijn om de aanwezigheid
van cariëslaesies vast te stellen. Bij deze beslissing zal
de tandarts de mening van de patiënt omtrent stralingsrisico’s vragen en afwegen wat de kans is dat goede diagnostische informatie beschikbaar komt. Veelal
zullen patiënten ervan uitgaan dat een tandarts louter
juiste diagnostische beslissingen neemt, maar de realiteit is dat er fouten gemaakt kunnen worden: fout-positieve diagnostische beslissingen (de tandarts diagnosticeert op een bitewing-opname een cariëslaesie, maar
deze is feitelijk afwezig) en fout-negatieve diagnostische beslissingen (de tandarts ziet geen cariëslaesie op
de röntgenopname, maar in feite is er wel een laesie
aanwezig). Aangenomen wordt dat de consequentie
van een fout-positieve diagnose is dat er onterecht een
restauratie wordt vervaardigd in een gaaf gebitselement. Bij een fout-negatieve diagnose wordt geen restauratie vervaardigd, waar dit feitelijk nodig zou zijn
en waardoor de laesie groter wordt. Uiteraard prefereren patiënt en tandarts een juiste diagnose (juist-positief of juist-negatief), maar als de tandarts de voorkeur
van een patiënt voor een fout-positieve of een foutnegatieve diagnose kent, kan hiermee rekening worNed Tijdschr Tandheelkd 110 (2003) december
Afb. 1. Beslisboom
waarmee de beslissing
voor van het vervaardigen van bitewing-opnamen bij de diagnostiek
van approximale cariëslaesies wordt ondersteund. (P(pos): kans op
een positieve testuitslag; P(neg): kans op
een negatieve testuitslag).
den gehouden, bijvoorbeeld bij de beslissing om bitewing-opnamen te vervaardigen. Deze voorkeur wordt
aangeduid met de term ‘utiliteit’. De utiliteit van een
foute diagnose, zoals ervaren door een patiënt, kan in
een getal tussen 0 en 1 worden uitgedrukt. Vooralsnog
wordt in dit artikel de utiliteit van alle foutieve beslissingen gesteld op 0 en de utiliteit van alle juiste beslissingen op 1.
Afbeelding 1 toont de beslisboom waarmee de keuze voor het vervaardigen van bitewing-opnamen wordt
vergeleken met de keuze om geen röntgenopnamen te
maken. Als de prevalentie van approximale cariëslaesies 0,20 is, zullen 20 van de 100 vlakken een approximale cariëslaesie hebben. Wanneer een tandarts aan de
hand van bitewing-opnamen diagnostiek uitvoert met
een sensitiviteit van 0,60 worden 12 vlakken (0,60 x 20)
met approximale cariëslaesies correct geïdentificeerd
(juist-positieven), en 8 vlakken (20-12) met cariëslaesies
worden fout-negatief gediagnosticeerd. De specificiteit
van de diagnose aan de hand van bitewing-opnamen is
0,80, en dus worden 64 vlakken (0,8 x 80) correct geclassificeerd als juist-negatief, terwijl 16 vlakken (80-64)
fout-positief worden gediagnosticeerd (tab. 1). De kans
op een positieve diagnose is derhalve (12 + 16)/100 = 0,28
en negatieve diagnosen (8 + 64)/100 = 0,72 (zie afb. 1).
Als het testresultaat positief is, wordt een restauratieve behandeling uitgevoerd. Twaalf vlakken met een
positief testresultaat (43%; p = 0,43) ontvangen terecht
een restauratieve behandeling en zestien vlakken
(57%; p = 0,57) ontvangen onterecht een restauratieve
behandeling. Van de negatieve testresultaten is 11%
fout (p = 0,11) en 89% (p = 0,89) is juist. De verwachte
utiliteit van cariësdiagnostiek met behulp van bitewing-opnamen door deze tandarts bij deze prevalentie
is een optelling van de kansen op utiliteit en bedraagt
(0,28 x 0,43 x 1)+(0,28 x 0,57 x 0)+(0,72 x 0,11 x 0)+(0,72
x 0,89 x 1) = 0,76. De verwachte utiliteit van het achterwege laten van bitewing-opnamen bedraagt (0,2 x
0)+(0,8 x 1) = 0,80. Het resultaat van deze beslissings483
Verdonschot e.a.: Beslissingen in de cariologie
Tabel 1. De diagnosen van het röntgenologisch onderzoek getoetst aan de
gouden standaard: histologie van het doorgezaagde element.
Waarnemingen aan
doorgezaagde elementen
Cariës aanwezig Cariës afwezig
Röntgenologisch
onderzoek
Cariës aanwezig
Cariës afwezig
Afb. 2. Beslismodel bij
een gevoeligheidsanalyse ter bepaling van de
utiliteit van amalgaam
en composiet als restauratiemateriaal.
fout-positief
16
juist-negatief
64
analyse is dat bij deze prevalentie deze tandarts geen
approximale diagnostiek moet bedrijven met behulp
van bitewing-opnamen. Het gevolg is dat 20% van de
tandvlakken niet behandeld wordt. Als dit onacceptabel is, zal de tandarts zijn diagnostische kwaliteiten
(sensitiviteit en specificiteit) moeten verbeteren.
Om te bepalen hoe goed een tandarts in staat is om
approximale cariëslaesies vanaf bitewing-opnamen te
diagnosticeren moet deze de röntgenopnamen van
geëxtraheerde gebitselementen beoordelen. In een
voorbeeld stelt een tandarts de diagnose ‘dentinecariës’ of ‘geen dentinecariës’ voor 100 approximale vlakken. Vervolgens worden de gebitselementen door midden gezaagd om te zien of er feitelijk approximale
cariëslaesies aanwezig zijn. In een kruistabel worden
de beide waarnemingen tegen elkaar uitgezet (tab. 1).
Dit leidt tot juist-positieve diagnoses (de tandarts zegt
dat er sprake is van een approximale cariëslaesie en dit
blijkt feitelijk ook zo te zijn), juist-negatieve diagnoses
(de tandarts geeft terecht aan dat er geen approximale
cariëslaesie aanwezig is), fout-positieve diagnoses (de
tandarts neemt een dentinelaesie waar maar deze
blijkt niet aanwezig te zijn), en fout negatieve diagnoses (de tandarts neemt geen cariëslaesie waar maar op
het doorgezaagde model is wel een laesie waarneembaar). Uit tabel 1 kan worden opgemaakt dat de prevalentie van approximale cariëslaesies 0,2 ((12 + 8)/100)
is: gemiddeld twee van de tien gebitselementen bevatten een dentinelaesie op het approximale vlak.
Dit voorbeeld laat zien dat het nemen van klinische
beslissingen kan worden ondersteund met een concrete analyse. Het is echter niet reëel dat een tandarts bij
elke patiënt een beslissingsanalyse gaat uitvoeren.
Daarvoor is de procedure te tijdrovend. Wel zal een
Beslisknoop
€ 90,00
€ 10,00
484
juist-positief
12
fout-negatief
8
Eindknoop
Utiliteit
Composietrestauratie
Esthetiek: goed
Levensduur: ± 10 jaar
90
Amalgaamrestauratie
Esthetiek: slecht
Levensduur: ± 15 jaar
10
tandarts door het periodiek uitvoeren van een dergelijke analyse meer gevoel ontwikkelen voor het nemen
van beslissingen onder soortgelijke condities.
Het nemen van een restauratieve behandelbeslissing
Niet alleen de beslissing over de methode van opsporing
van de aan- of afwezigheid van een cariëslaesie is omgeven met veel onzekerheid, hetzelfde geldt voor het
nemen van een beslissing een gediagnosticeerde cariëslaesie al dan niet te restaurateren. In een beslissingsanalyse is het van belang om de kans op een foutieve behandelbeslissing zo klein mogelijk te maken. Bij de beslissing of een restauratie wordt aangebracht, maar ook
nadat deze beslissing is genomen, speelt de keuze van
het restauratiemateriaal een rol. De uitleg aan een
patiënt over de voor- en nadelen van bijvoorbeeld
amalgaam en composiet kan niet altijd worden teruggebracht tot één enkel aspect. Zo zal een composietrestauratie esthetisch fraaier zijn dan een amalgaamvulling, maar ook duurder, lastiger aan te brengen en minder slijtvast. Amalgaam daarentegen hecht niet aan
tandweefsels en zal de integriteit van het gebitselement
niet herstellen. Om de patiënt een keuze te laten maken
moeten de voor- en nadelen van beide materialen aan
hem worden uitgelegd. Een beslissingsanalyse kan uitkomst bieden bij het bepalen van de utiliteit van beide
restauratiematerialen. Hiertoe worden de voor- en
nadelen van composiet tezamen geplaatst tegenover
die van amalgaam. Bij voorkeur worden de beweerde
voor- en nadelen onderbouwd met gegevens uit de literatuur. Afbeelding 2 toont de startsituatie van een
beslisboom voor de utiliteitsbepaling van de twee restauratiematerialen. Uitgangspunt is het fictieve bedrag
dat een patiënt moet betalen voor een amalgaam- en
composietrestauratie. Bij een eerste beslismoment
wordt het fictieve tarief van een van beide restauraties
extreem hoog en van de andere restauratie extreem
laag gesteld. De patiënt moet nu kiezen. Indien gekozen
wordt voor een amalgaamrestauratie van € 10,00 wordt
dit tarief verhoogd met € 10,00, terwijl het tarief van
een composietrestauratie wordt verlaagd van € 90,00
naar € 80,00. Hierna wordt de patiënt wederom naar
zijn voorkeur gevraagd. De tariefsverandering wordt
voortgezet totdat de patiënt aangeeft geen voorkeur te
hebben voor een amalgaam- of composietrestauratie.
De utiliteitsbepaling wordt ook gestaakt indien een
tarief op € 0,00 komt. De tarieven die op dat moment in
de beslisboom staan, gelden dan als utiliteit. De restauratie met de hoogste utiliteit wordt vervaardigd.
In dit voorbeeld worden twee aspecten van het restauratiemateriaal meegewogen. Het is uiteraard mogelijk om andere aspecten toe te voegen. Een dergelijke
utiliteitsbepaling zal een geoefend tandarts slechts
weinig tijd kosten. Door de procedure systematisch uit
te voeren, niet alleen voor de keuze van het restauratiemateriaal, maar ook voor andere keuzemogelijkheden,
zullen patiënten het gevoel krijgen dat met hun voorkeur serieus rekening wordt gehouden.
Ned Tijdschr Tandheelkd 110 (2003) december
Thema: Cariologie
Computerondersteuning bij het nemen van
beslissingen
Reeds in 1985 was voorzien dat computers nuttig zouden kunnen zijn bij het maken van behandelbeslissingen door het verzamelen en het verwerken van de vele
gegevens uit een anamnese (Van der Stelt, 1985). Dit
geldt ook voor het ondersteunen van de tandarts bij
het nemen van complexe beslissingen. Computers zijn
immers geschikt voor het verwerken van grote hoeveelheden gestructureerde data. De mens daarentegen is
door kennis en ervaring beter in staat tot interpreteren, zodat de rol van beide duidelijk wordt: de computer draagt de gegevens aan voor het nemen van een
beslissing, sorteert, berekent kansen, rekent alternatieven door enzovoorts, maar de tandarts weegt de alternatieven en neemt uiteindelijk de beslissing.
Computers maken bij hun ondersteunende taak
gebruik van databanken en expertsystemen. Inmiddels
zijn er diverse databanken met gegevens over orale
afwijkingen via een expertsysteem voor de practicus
beschikbaar. Een operationeel expertsysteem is ORAD
(Oral Radiographic Differential diagnosis), een computerapplicatie die is ontwikkeld ter ondersteuning bij
het opstellen van een differentiële diagnose voor
patiënten met botafwijkingen in de kaken (Liem,
2003). Aan de hand van röntgenfoto’s en een klinisch
onderzoek bij de patiënt moet de tandarts zestien keuzevragen beantwoorden, waarna een differentiële
diagnose wordt aangeboden. De tandarts kan door vergelijking van de röntgenfoto’s van zijn eigen patiënt
met het door ORAD aangeboden materiaal een beslissing nemen omtrent de meest waarschijnlijk diagnose.
Het archiveren van gestandaardiseerde röntgenfoto’s in combinatie met het gestructureerd registreren
van verrichtingen maken het mogelijk een consistente
tandheelkundige historie van een patiënt op te bouwen. Door deze historie te combineren met relevante
gegevens (ziektegeschiedenis, levensstijl, voedingspatroon) uit het medische dossier, kan met een daartoe
ontwikkelde computerapplicatie in de loop van de tijd
een specifiek ‘expertsysteem’ worden verkregen. Hiermee beschikt de tandarts over ‘practice based’-gegevens die beslissingen omtrent de zorg voor de patiënt
kunnen ondersteunen (Benn et al, 1999).
Bitewing-opnamen zijn vaak voor de cariësdiagnostiek op approximale vlakken van grote waarde. Diverse
onderzoeken hebben aangetoond dat de kwaliteit van
de diagnostiek van approximale cariëslaesies op analoge röntgenopnamen (film) en digitale beelden niet significant verschilt. De juiste diagnose blijkt veeleer
afhankelijk van de expertise van diegene die de röntgenbeelden beoordeelt (Syriopoulos et al, 2000). Om
menselijke interpretatieverschillen in het beoordelen
van röntgenfoto’s ten behoeve van approximale cariësdetectie te vermijden is er een softwareprogramma op
de markt gebracht dat geïntegreerd kan worden in een
digitaal röntgensysteem. Dit programma, Logicon
Caries Detector, claimt automatisch approximale
cariës te kunnen detecteren, lokaliseren en kwantificeren en bovendien het ontstaan van cariëslaesies in de
Ned Tijdschr Tandheelkd 110 (2003) december
tijd te kunnen voorspellen. Onderzoek heeft echter
aangetoond dat dit programma minder accuraat werkt
dan de menselijke waarneming. Bovendien bleek dat
dit programma onvoldoende reproduceerbaar was,
waarmee het als hulpmiddel voor de tandheelkundige
praktijk weinig waarde heeft (Wenzel et al, 2002).
Computerondersteuning van de tandarts bij het
nemen van beslissingen zullen pas geaccepteerd worden indien zij naadloos passen binnen de setting waarbinnen tandartsen werken. Daarbij is een goede communicatie met andere zorgverleners en uitwisseling
van patiëntgegevens van groot belang. Het gebruik van
richtlijnen en de verankering hiervan in de praktijkcomputer is daarom cruciaal voor de verdere ontwikkeling en toepassing van computerondersteunde diagnostiek (Hikmet, 2002).
Inschatten van cariësrisico
Omdat cariës een multifactoriële ziekte is, is het ook
moeilijk om te voorspellen of een individu in de nabije
toekomst cariëslaesies zal ontwikkelen. Een goede
inschatting van het cariësrisico stelt immers de zorgverlener in staat voorlichting en preventieve zorg te
geven aan de patiënten die dit werkelijk nodig hebben
(Huysmans et al, 2003). Een verkeerde beslissing betekent dat een cariësactief kind geen preventie krijgt of
dat een niet-cariësactief kind onnodig een preventieve
behandeling zal ondergaan.
Cariogram is een computerprogramma dat op basis
van risicofactoren tot een risicoschatting komt (Bratthall, 1996). Het programma is echter onvoldoende
geëvalueerd om te kunnen worden toegepast op individuele patiënten. Dentoprog is een predictiemodel op
basis van de cariëstoestand (Steiner et al, 1993). De
theorie erachter is dat de cariëstoestand op een willekeurig moment het resultaat is van de invloed van alle
risicofactoren en -indicatoren gedurende de voorgaande periode. Zonder veranderingen in het gedrag van de
patiënt zal het niveau van de cariësactiviteit, die heeft
geleid tot de waargenomen cariëstoestand, onveranderd doorgaan. De cariëstoestand, die een afspiegeling
is van het cariësverleden, blijkt inderdaad een beter
instrument te zijn voor de inschatting van cariësrisico
dan de modellen die gebaseerd zijn op combinaties van
risicofactoren (Russell et al, 1991).
Recentelijk werd de SMONOP-methode gepresenteerd
die voortborduurt op het Dentoprog-model en waarbij
eveneens de cariëstoestand als basis dient voor de risico-inschatting (Van Palenstein Helderman et al, 2003).
Deze SMONOP of ‘Elmex-cariësrisico-indicator’ is echter nauwkeuriger dan de Dentoprog-methode, omdat
cariëslaesies in het dentine, cariëslaesies beperkt tot
het glazuur en restauraties worden meegerekend in de
vaststelling van de cariëstoestand. De methode is verwerkt in een computerprogramma en de grens tussen
een hoog en een laag cariësrisico is bij deze methode
door de behandelaar instelbaar. Daardoor kan de risicoschatting worden afgestemd op patiënt-, praktijk- en
tandartsfactoren.
485
Verdonschot e.a.: Beslissingen in de cariologie
Afb. 3. Om de effectiviteit van een cariësrisicoindicator, zoals de Elmex-cariësrisico-indicator (ECI), te onderzoeken wordt een beslisboom als uitgangspunt
gebruikt. De hoofdtak
met de hoogste verwachte utiliteit ondersteunt de beslissing om
de preventie al dan niet
toe te passen. (P(pos):
kans op een positieve
testuitslag; P(neg): kans
op een negatieve testuitslag).
Beslisknoop
Kansknoop
Eindknoop
Verwachte
utiliteit
0,57
Juist-positieve
beslissing (JP)
1
0,33
0,43
Fout-positieve
beslissing (FP)
0
0
0,17
Fout-negatieve
beslissing (FN)
0
0
0,83
Juist-negatieve
beslissing (JN)
1
0,35
0,40
Fout-negatieve
beslissing (FN)
0
0
0,60
Juist-negatieve
beslissing (JN)
1
0,60
P(pos): 0,58
ECI toepassen
P(neg): 0,42
ECI niet toepassen
De sensitiviteit van de Elmex-cariësrisico-indicator (ECI)
om cariësactiviteit te voorspellen bij zevenjarigen voor
de periode van zeven tot vijftien jaar bedraagt 0,82. De
specificiteit bedraagt 0,58. Deze waarden zijn gekoppeld
aan de kans in de populatie dat er in deze periode daadwerkelijk cariëslaesies tot ontwikkeling komen. In een
besliskundige analyse, zoals die van het vervaardigen
van bitewing-opnamen ter beoordeling van approximale cariëslaesies, kan worden nagegaan bij welke kans op
cariësactiviteit het nog zinvol is de ECI toe te passen, dat
wil zeggen beter onderscheid maakt tussen kinderen die
cariëslaesies ontwikkelen en kinderen dit niet doen, dan
op basis van het toeval mag worden verwacht. Immers,
bij een zeer lage kans op cariësactiviteit moet de sensitiviteit van methode wel erg hoog zijn om de weinige individuen die cariësactief zijn, correct te identificeren.
Omgekeerd moet de specificiteit erg hoog zijn bij een
zeer hoge kans op cariësactiviteit om de weinige nietcariësactieve kinderen te ontdekken.
Afbeelding 3 toont de beslisboom waarmee de utiliteitswaarde van de ECI werd bestudeerd. Bij deze analyse werd uitgegaan van een kans op cariësactiviteit van
0,40. De utiliteit van foutieve beslissingen wordt
gesteld op 0 en die van juiste beslissingen op 1. Uit
Tabel 2. Verwachte utiliteiten (VU) bij verschillende cariësprevalentie
wanneer de ECI gebruikt wordt, wanneer niemand preventie krijgt en
wanneer iedereen preventie krijgt.
Cariësprevalentie
VU van ECI
VU zonder ECI
VU zonder ECI
0,20
0,30
0,35
0,40
0,50
0,60
0,70
0,80
0,90
Preventie bij
positieve test
0,63
0,65
0,66
0,68
0,70
0,72
0,75
0,78
0,80
Niemand
preventie
0,80
0,70
0,65
0,60
0,50
0,40
0,30
0,20
0,10
Iedereen
preventie
0,20
0,30
0,35
0,40
0,50
0,60
0,70
0,80
0,90
486
Utiliteit
afbeelding 3 kan worden afgeleid dat onder deze
omstandigheden de toepassing van de risico-indicator
ECI met een verwachte utiliteit van 0,68 (namelijk 0,33
+ 0,35) effectiever is bij het selecteren van cariësactieve
kinderen dan het bij toeval toedelen van kinderen in
een van beide groepen (verwachte utiliteit is 0,60).
Door nu de kans op cariësactiviteit te variëren kan
worden onderzocht bij welke kans de toepassing van
de risico-indicator niet meer effectief en dus niet meer
zinvol is. Het blijkt dat de verwachte utiliteiten van het
wel of niet toepassen van de ECI gelijk zijn bij een kans
op cariësactiviteit van ongeveer 0,35. Dit betekent dat
de ECI op zevenjarige leeftijd niet moet worden toegepast bij kinderen met een kans van 35% of minder op
het ontwikkelen van cariëslaesies in de periode van
zeven tot vijftien jaar. Bij deze gevoeligheidsanalyse is
ervan uitgegaan dat zonder test geen van de kinderen
preventieve zorg ontvangen. Het is voor een gevoeligheidsanalyse van een risicotest op toekomstige cariësactiviteit en de daaraan verbonden noodzaak tot preventieve zorg ook mogelijk uit te gaan van de premisse
dat, indien geen risicotest wordt toegepast, alle kinderen standaard preventieve zorg krijgen. In dat geval
wordt de utiliteit bij ‘geen test’ niet toegekend aan de
juist-negatieve beslissingen, maar aan de fout-negatieve beslissingen. Bij een fout-negatieve beslissing blijft
immers de patiënt preventieve zorg ontvangen die ook
nodig is, en de kinderen met een juist-negatieve diagnose ontvangen onterecht preventieve zorg. De nu
verwachte utiliteiten bij ‘geen test’ zijn complementair aan die van de vorige gevoeligheidsanalyse. De consequentie daarvan is dat de ECI op zevenjarige leeftijd
moet worden toegepast bij kinderen met een kans van
80% of minder op het ontwikkelen van cariëslaesies in
de periode van zeven tot vijftien jaar. Tabel 2 geeft een
overzicht van de verwachte utiliteiten (VU) bij verschillende cariësprevalentie wanneer de ECI wordt gebruikt
om kinderen voor preventie te selecteren, wanneer
gekozen wordt om niemand preventief te behandelen
Ned Tijdschr Tandheelkd 110 (2003) december
Thema: Cariologie
of iedereen preventief te behandelen. Als het alternatief is om altijd preventie toe te passen, geeft selectie
met de ECI een hogere verwachte utiliteit bij een cariësprevalentie < 90% en dient dan dus te worden toegepast.
Literatuur
• BADER JD, SHUGARS DA. Need for change in standards of caries
diagnosis – epidemiology and health services research perspective. J Dent Educ 1993; 57: 415-421.
• BENN DK, CLARK TD, DANKEL DD. Practical approach to evidencebased management of caries. J Am Coll Dent 1999; 66: 27-35.
• BRATTHALL D. Dental caries: intervened-interrupted-interpreted.
Concluding remarks and cariography. Eur J Oral Sci 1996; 104:
486-491.
• HIKMET U. Capabilities of computerized clinical decision support
systems: the implication for the practicing dental professional. J
Contemp Dent Pract 2002; 1: 27-42.
• HUYSMANS MCDNJM, VERDONSCHOT EH, AMERONGEN JP VAN. Cariësdiagnostiek: de laesie staat centraal. Ned Tijdschr Tandheelkd
2003; 110: 476-481.
• KAY EJ, NUTTALL NM. Relationship between dentists’ treatment
attitudes and restorative decisions made on the basis of simulated
bitewing radiographs. Community Dent Oral Epidemiol 1994 ;
22 : 71-74.
• LIEM SL. On line een diagnose voor orale botafwijkingen. Ned
Tijdschr Tandheelkd 2003; 110: 134.
• PALENSTEIN HELDERMAN WH VAN. ‘SMONOP’, eine praktishe Metho-
de zur Erkennung von Kindern mit Kariesrisico. Oralprophylaxe
2003; 25: 14-17.
• PALENSTEIN HELDERMAN WH VAN, HOF MA VAN ’T, LOVEREN C VAN. Indentificatie van cariësrisicopatiënten 2. Een nieuw predictiemodel
om cariësactieve kinderen te selecteren. Ned Tijdschr Tandheelkd
2003; 110: 439-443.
• PLASSCHAERT AJM, VERDONSCHOT EH, WILSON NHF, BLINKHORN AS.
Decision making in restorative dentistry: intuition or knowledge
based? Br Dent J 1995; 178: 320-321.
• RUSSELL JI, MACFARLANE TW, AITCHISON TC, STEPHEN KW, BURCHELL CK.
Prediction of dental caries in Scottish adolescents. Community
Dent Oral Epidemiol 1991; 19: 74-77.
• SANDEN WJM VAN DER, METTES TG, PLASSCHAERT AJM, ET AL. Effect of
selected literature on dentists’ decisions to remove asymptomatic, impacted lower third molars. Eur J Oral Sci 2002; 110: 2-7.
• SANDEN WJM VAN DER, METTES DG, PLASSCHAERT AJM, GROL RPTM, HOF
MA VAN ‘T, VERDONSCHOT EH. Clinical practice guidelines in dentistry: opinions of dental practitioners on their contribution to the
quality of dental care. Qual Saf Health Care 2003; 12: 107-111.
• STEINER M, HELFENSTEIN U, MARTHALER TM. Dental predictors of high
caries increment in children. J Dent Res 1992; 71: 1926-1933.
• STELT PF VAN DER. The microcomputer in the dental office: a new
diagnostic aid. Int Dent J 1985; 35: 103-108.
• SYRIOPOULOS K, SANDERINK GC,VELDERS XL, STELT PF VAN DER. Radiographic detection of approximal caries: a comparison of dental
films and digital imaging systems. Dentomaxillofac Radiol 2000;
29: 312-318.
• WENZEL A,HINTZE H, KOLD LM, KOLD S. Accuracy of computer-automated caries detection in digital radiographs compared with
human observers. Eur J Oral Sci 2002; 110: 199-203.
Decision-making in cariology
By conducting an oral examination, during radiographic examination and in treatment planning
procedures dentists make numerous decisions. A dentist will be required to make his decisions
explicit. Decision trees and decision analyses may play an important role. In a decision analysis, the
probability of correct and incorrect decisions are multiplied by the utility of the decision outcomes.
The treatment outcome with the highest expected utility should be selected.
Complex decision tasks such as the estimation of an individual’s caries risk or the diagnosis of bone
disorders are currently available as computer applications. Also, a preliminary version of a computer
programme which detects caries lesions from bitewing radiographs independent from the dentist has
become available. It is expected that the applicability of decision analyses will increase when
implemented in the dental practice software packages.
Ned Tijdschr Tandheelkd 110 (2003) december
Summary
Key words:
• Decision-making
• Utility
• Cariology
487