¿Se ve afectado el desarrollo de un modelo de predicción periodontal para la identificación de diabetes por las características de los participantes?

Objetivo: Evaluar si la precisión diagnóstica de un nuevo modelo de predicción periodontal (MPP) para la identificación de adultos con diabetes varía según las características de los participantes. Diseño básico de la investigación: El estudio se llevó a cabo entre 250 adultos que asistían a clínicas de atención primaria en Riyadh (Arabia Saudita). El estudio adoptó un enfoque de casos y controles, en el que primero se determinaba el estado de la diabetes y luego se recopilaba la información mediante cuestionarios y exámenes periodontales. Las variaciones en el desarrollo del PPM por factores demográficos (sexo y edad), socioeconómicos (educación) y conductuales (estado de tabaquismo y última visita al dentista) se evaluaron mediante el análisis de regresión de características operativas del receptor (ROC). Resultados: El PPM que incluía 3 parámetros periodontales (dientes perdidos, porcentaje de sitios con profundidad de bolsa ≥6 mm y profundidad media de bolsa) tenía un área bajo la curva ROC (ABC) de 0,69 (Intervalo de Confianza del 95%: 0,61-0,78), que disminuyó a 0,64 (IC del 95%: 0,53 a 0,75) después del ajuste de las covariables. Se encontraron mayores variaciones en el rendimiento según el sexo, la edad y la educación de los participantes, pero no según el estado de tabaquismo o la última visita al dentista. El PPM funcionó mejor entre los hombres (ABC ajustada: 0,76; IC del 95%: 0,53 a 0,99), los más jóvenes (0,67; IC del 95%: 0,50 a 0,84) y los participantes con menor nivel educacativo (0,76; IC del 95%: 0,60, 0,92). Conclusiones: La precisión diagnóstica de un nuevo modelo de predicción periodontal para identificar individuos con diabetes varió según las características de los participantes. Este estudio destaca la importancia de ajustar las covariables en los estudios de precisión diagnóstica. Palabras clave: Periodontitis, Diabetes Mellitus, Regresión Estadística, Análisis ROC, Factores de Confusión.