Het nemen van beslissingen in de cariologie

Transcriptie

1 Verdonschot e.a.: Beslissingen in de cariologie E.H. Verdonschot S.L. Liem W.H. van Palenstein Helderman 2 Het nemen van beslissingen in de cariologie Samenvatting Trefwoorden: Besliskunde Utiliteit Cariologie Uit de afdeling Cariologie en Endodontologie van het Universitair Medisch Centrum Sint Radboud in Nijmegen en 2 het WHO-Collaborating Centre for Oral Health Care Planning and Future Scenarios in Nijmegen. 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. VERDONSCHOT EH, LIEM SL, PALENSTEIN HELDERMAN WH VAN. Het nemen van beslissingen in de cariologie. Ned Tijdschr Tandheelkd 23; : Datum van acceptatie: 28 augustus 23. Adres: Dr. E.H. Verdonschot UMC St Radboud Huispost 7 Postbus 9 65 HB Nijmegen e.verdonschot@dent.umcn.nl 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, 993; Plasschaert et al, 995). 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, 994). 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, 22). Anderzijds zijn er ontwikkelingen op het terrein van de ondersteuning van tandartsen door kennissystemen, computers die de risicoanalyse en het beslisproces begeleiden (Hikmet, 22). 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, 23). 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. 482 Ned Tijdschr Tandheelkd (23) december

2 Beslisknoop Kansknoop Eindknoop Utiliteit Bitewing-opnamen P(pos):,28 P(neg):,72,43,57, Juist-positieve beslissing (JP) Fout-positieve beslissing (FP) Afb.. 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).,89 Geen diagnostische test,2,8 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 worden 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 en worden uitgedrukt. Vooralsnog wordt in dit artikel de utiliteit van alle foutieve beslissingen gesteld op en de utiliteit van alle juiste beslissingen op. Afbeelding 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,2 is, zullen 2 van de vlakken een approximale cariëslaesie hebben. Wanneer een tandarts aan de hand van bitewing-opnamen diagnostiek uitvoert met een sensitiviteit van,6 worden 2 vlakken (,6 x 2) met approximale cariëslaesies correct geïdentificeerd (juist-positieven), en 8 vlakken (2-2) met cariëslaesies worden fout-negatief gediagnosticeerd. De specificiteit van de diagnose aan de hand van bitewing-opnamen is,8, en dus worden 64 vlakken (,8 x 8) correct geclassificeerd als juist-negatief, terwijl 6 vlakken (8-64) fout-positief worden gediagnosticeerd (tab. ). De kans op een positieve diagnose is derhalve (2 + 6)/ =,28 en negatieve diagnosen (8 + 64)/ =,72 (zie afb. ). Als het testresultaat positief is, wordt een restauratieve behandeling uitgevoerd. Twaalf vlakken met een positief testresultaat (43%; p =,43) ontvangen terecht een restauratieve behandeling en zestien vlakken (57%; p =,57) ontvangen onterecht een restauratieve behandeling. Van de negatieve testresultaten is % fout (p =,) en 89% (p =,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 (,28 x,43 x )+(,28 x,57 x )+(,72 x, x )+(,72 x,89 x ) =,76. De verwachte utiliteit van het achterwege laten van bitewing-opnamen bedraagt (,2 x )+(,8 x ) =,8. Het resultaat van deze beslissings- Ned Tijdschr Tandheelkd (23) december 483

3 Verdonschot e.a.: Beslissingen in de cariologie Tabel. 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 Cariës aanwezig juist-positief fout-positief onderzoek 2 6 Cariës afwezig fout-negatief juist-negatief 8 64 Afb. 2. Beslismodel bij een gevoeligheidsanalyse ter bepaling van de utiliteit van amalgaam en composiet als restauratiemateriaal. analyse is dat bij deze prevalentie deze tandarts geen approximale diagnostiek moet bedrijven met behulp van bitewing-opnamen. Het gevolg is dat 2% 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 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. ). 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 kan worden opgemaakt dat de prevalentie van approximale cariëslaesies,2 ((2 + 8)/) 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 Eindknoop Utiliteit 9,, Composietrestauratie Esthetiek: goed Levensduur: ± jaar Amalgaamrestauratie Esthetiek: slecht Levensduur: ± 5 jaar 9 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, wordt dit tarief verhoogd met,, terwijl het tarief van een composietrestauratie wordt verlaagd van 9, naar 8,. 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, 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. 484 Ned Tijdschr Tandheelkd (23) december

4 Computerondersteuning bij het nemen van beslissingen Reeds in 985 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, 985). 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, 23). 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, 999). 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, 2). 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 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, 22). 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, 22). 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, 23). 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, 996). 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, 993). 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, 99). 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, 23). 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. Ned Tijdschr Tandheelkd (23) december 485

5 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 Utiliteit Verwachte utiliteit ECI toepassen P(pos):,58 P(neg):,42,57,43,7,83 Juist-positieve beslissing (JP) Fout-positieve beslissing (FP),33,35 ECI niet toepassen,4,6,6 De sensitiviteit van de Elmex-cariësrisico-indicator (ECI) om cariësactiviteit te voorspellen bij zevenjarigen voor de periode van zeven tot vijftien jaar bedraagt,82. De specificiteit bedraagt,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,4. De utiliteit van foutieve beslissingen wordt gesteld op en die van juiste beslissingen op. 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 Preventie bij Niemand Iedereen positieve test preventie preventie,2,63,8,2,3,65,7,3,35,66,65,35,4,68,6,4,5,7,5,5,6,72,4,6,7,75,3,7,8,78,2,8,9,8,,9 afbeelding 3 kan worden afgeleid dat onder deze omstandigheden de toepassing van de risico-indicator ECI met een verwachte utiliteit van,68 (namelijk,33 +,35) effectiever is bij het selecteren van cariësactieve kinderen dan het bij toeval toedelen van kinderen in een van beide groepen (verwachte utiliteit is,6). 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,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 8% 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 486 Ned Tijdschr Tandheelkd (23) december

6 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 < 9% 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 993; 57: BENN DK, CLARK TD, DANKEL DD. Practical approach to evidencebased management of caries. J Am Coll Dent 999; 66: BRATTHALL D. Dental caries: intervened-interrupted-interpreted. Concluding remarks and cariography. Eur J Oral Sci 996; 4: HIKMET U. Capabilities of computerized clinical decision support systems: the implication for the practicing dental professional. J Contemp Dent Pract 22; : HUYSMANS MCDNJM, VERDONSCHOT EH, AMERONGEN JP VAN. Cariësdiagnostiek: de laesie staat centraal. Ned Tijdschr Tandheelkd 23; : KAY EJ, NUTTALL NM. Relationship between dentists treatment attitudes and restorative decisions made on the basis of simulated bitewing radiographs. Community Dent Oral Epidemiol 994 ; 22 : LIEM SL. On line een diagnose voor orale botafwijkingen. Ned Tijdschr Tandheelkd 23; : 34. PALENSTEIN HELDERMAN WH VAN. SMONOP, eine praktishe Methode zur Erkennung von Kindern mit Kariesrisico. Oralprophylaxe 23; 25: 4-7. 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 23; : PLASSCHAERT AJM, VERDONSCHOT EH, WILSON NHF, BLINKHORN AS. Decision making in restorative dentistry: intuition or knowledge based? Br Dent J 995; 78: RUSSELL JI, MACFARLANE TW, AITCHISON TC, STEPHEN KW, BURCHELL CK. Prediction of dental caries in Scottish adolescents. Community Dent Oral Epidemiol 99; 9: 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 22; : 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 23; 2: 7-. STEINER M, HELFENSTEIN U, MARTHALER TM. Dental predictors of high caries increment in children. J Dent Res 992; 7: STELT PF VAN DER. The microcomputer in the dental office: a new diagnostic aid. Int Dent J 985; 35: 3-8. 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 2; 29: 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 22; : Decision-making in cariology Summary 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. Key words: Decision-making Utility Cariology Ned Tijdschr Tandheelkd (23) december 487