Методи багатовимірного статистичного аналізу в дослідженнях мікробіому порожнини рота при захворюваннях пародонта та післяімплантаційних ускладненнях: сучасний стан і перспективи застосування

Віталій Біда; Владислав Гуменюк

doi:10.33295/1992-576X-2026-2-ORSR-4

Автор(и)

Віталій Біда Національний університет охорони здоров’я України імені П. Л. Шупика
Владислав Гуменюк Національний університет охорони здоров’я України імені П. Л. Шупика

DOI:

https://doi.org/10.33295/1992-576X-2026-2-ORSR-4

Ключові слова:

антимікробна резистентність, багатовимірний статистичний аналіз, ієрархічна кластеризація, метод головних компонент, мікробіомом порожнини рота, пародонтит, периімплантит, персоналізована стоматологія, ROC-аналіз, heatmap (теплова карта)

Анотація

Актуальність. Мікробіом порожнини рота пацієнтів, які потребують дентальної імплантації, особливо на фоні захворювань пародонта, характеризується десятками показників, які утворюють складну взаємозалежну систему. Традиційні одновимірні статистичні методи, що активно використовуються у стоматологічних дослідженнях, не дозволяють відобразити цю структурну складність та виявити приховані закономірності, що є критично важливими для персоналізації клінічних рішень.

Мета. Проаналізувати сучасний стан застосування методів багатовимірного статистичного аналізу (теплових карт (heatmap), ієрархічної кластеризації, методу головних компонент (PCA) та ROC-аналізу) у дослідженнях мікробіому порожнини рота при захворюваннях тканин пародонта та післяімплантаційних ускладненнях, обґрунтувати їх переваги над традиційними підходами та окреслити перспективи впровадження в наукову діяльність та клінічну практику.

Матеріали та методи. Проведено комплексний аналіз 48 рецензованих публікацій із наукометричних баз даних PubMed, Scopus та Web of Science (2015–2025 рр.). Крім того, у дослідження було включено клінічні та мікробіологічні дані пілотної когорти пацієнтів для оцінки практичного впровадження методів неконтрольованої кластеризації (unsupervised clustering) та візуалізації теплових карт (heatmap).

Результати. Ієрархічна кластеризація дозволяє виявляти клінічно значущі підгрупи пацієнтів за мікробним профілем, які корелюють із PPD та CAL, але не виявляються при традиційному аналізі. PCA-аналіз ефективно редукує розмірність мікробіологічних матриць і виявляє латентні осі варіабельності, пов’язані з дисбіозом. Теплові карти у поєднанні з кластеризацією дозволяють одночасно візуалізувати індивідуальні мікробні профілі та AMR-патерни, що є недосяжним при стандартних мікробіологічних підходах.

Висновки. Методи багатовимірного аналізу є значно ефективнішими порівняно з традиційними одновимірними підходами для дослідження мікробіому порожнини рота при захворюваннях пародонта та периімплантатних ураженнях і мають значний потенціал для впровадження в персоналізовану стоматологічну практику.

Завантаження

Дані завантаження ще не доступні.

Посилання

Berglundh, T., Armitage, G., Araujo, M. G., et al. (2018). Peri-implant diseases and conditions. J Clin Periodontol, 45(20), S286–S291. DOI: https://doi.org/10.1111/jcpe.12957.

Schwarz, F., Derks, J., Monje, A., Wang, H. L. (2018). Peri-implantitis. J Clin Periodontol, 45(20), S246–S266. DOI: https://doi.org/10.1111/jcpe.12954.

Belibasakis, G. N., & Manoil, D. (2021). Microbial community-driven etiopathogenesis of peri-implantitis. J Dent Res, 100(1),21–28. DOI: https://doi.org/10.1177/0022034520949851.

Zhang, Y., Li, Y., Yang, Y., et al. (2022). Periodontal and peri-implant microbiome dysbiosis is associated with alterations in the microbial community structure and local stability. Front Microbiol, 12, 785191. DOI: https://doi.org/10.3389/fmicb.2021.785191.

Socransky, S. S., & Haffajee, A. D. (2005). Periodontal microbial ecology. Periodontol 2000, 38, 135–187. DOI: https://doi.org/10.1111/j.1600-0757.2005.00107.x.

Lamont, R. J., Koo, H., & Hajishengallis, G. (2018). The oral microbiota: dynamic communities and host interactions. Nat Rev Microbiol, 16(12), 745–759. DOI: https://doi.org/10.1038/s41579-018-0089-x.

Weinstein, J. N., et al. (2013). The Cancer Genome Atlas Pan-Cancer Analysis Project. Nat Genet, 45, 1113–1120. DOI: https://doi.org/10.1038/ng.2764.

Lever, J., Krzywinski, M., & Altman, N. (2017). Principal component analysis. Nat Methods, 14(7), 641–642. DOI: https://doi.org/10.1038/nmeth.4346.

Persson, G. R., & Renvert, S. (2014). Cluster of bacteria associated with peri-implantitis. Clin Implant Dent Relat Res, 16(6), 783–793. DOI: https://doi.org/10.1111/cid.12052.

Rams, T. E., Degener, J. E., & van Winkelhoff, A. J. (2014). Antibiotic resistance in human peri-implantitis microbiota. Clin Oral Implants Res, 25(1), 82–90. DOI: https://doi.org/10.1111/clr.12160.

Mombelli, A., & Décaillet, F. (2011). The characteristics of biofilms in peri-implant disease. J Clin Periodontol, 38(11), 203–213. DOI: https://doi.org/10.1111/j.1600-051X.2010.01666.x.

Kensara, A., Saito, H., Mongodin, E. F., & Masri, R. (2024). Microbiological profile of peri-implantitis: analyses of peri-implant microbiome. J Prosthodont, 33(4), 330–339. DOI: https://doi.org/10.1111/jopr.13743.

Anderson, A. C., von Ohle, C., Frese, C., et al. (2023). The oral microbiota is a reservoir for antimicrobial resistance: resistome and phenotypic resistance characteristics. Ann Clin Microbiol Antimicrob, 22, 37. DOI: https://doi.org/10.1186/s12941-023-00585-z.

Wilkinson, L. (2028). Visualizing big data outliers through distributed aggregation. IEEE Trans Vis Comput Graph, 24(1), 256–266. DOI: https://doi.org/10.1109/TVCG.2017.2744685.

Ghensi, P., Manghi, P., Zolfo, M., et al. (2020). Strong oral plaque microbiome signatures for dental implant diseases identified by strain-resolution metagenomics. NPJ Biofilms Microbiomes, 6(1), 47. DOI: https://doi.org/10.1038/s41522-020-00155-7.

Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster Analysis. 5th ed. Wiley. DOI: https://doi.org/10.1002/9780470977811.

Wirth, R., Pap, B., Maróti, G., Vályi, P., Komlósi, L., Barta, N., Strang, O., Minárovits, J., & Kovács, K. L. (2021). Toward Personalized Oral Diagnosis: Distinct Microbiome Clusters in Periodontitis Biofilms. Front Cell Infect Microbiol, 11, 747814. DOI: https://doi.org/10.3389/fcimb.2021.747814.

Wang, C. W., Hao, Y., di Gianfilippo, R., et al. (2021). Machine learning-assisted immune profiling stratifies peri-implantitis patients with unique microbial colonization and clinical outcomes. Theranostics, 11(14), 6703–6716. DOI: https://doi.org/10.7150/thno.57775.

Kleine Bardenhorst, S., Hagenfeld, D., Matern, J., et al. (2024). The role of the oral microbiota in the causal effect of adjunctive antibiotics on clinical outcomes in stage III–IV periodontitis. Microbiome, 12, 220. DOI: https://doi.org/10.1186/s40168-024-01945-3.

Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI: https://doi.org/10.1080/01621459.1963.10500845.

Hennig C. (2007). Cluster-wise assessment of cluster stability. Comput Stat Data Anal, 52(1), 258–271. DOI: https://doi.org/10.1016/j.csda.2006.11.025.

Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: a review and recent developments. Philos Trans R Soc A, 374, 20150202. DOI: https://doi.org/10.1098/rsta.2015.0202.

Hanley, J. A., & McNeil, B. J. (1982). The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology, 143(1), 29–36. DOI: https://doi.org/10.1148/radiology.143.1.7063747.

Kang, Y., Sun, B., Chen, Y., et al. (2021). Dental plaque microbial resistomes of periodontal health and disease and their changes after scaling and root planing therapy. mSphere, 6, e00162-21. DOI: https://doi.org/10.1128/mSphere.00162-21.

DeLong, E. R., DeLong, D. M., & Clarke-Pearson, D. L. (1988). Comparing the areas under two or more correlated ROC curves. Biometrics, 44(3), 837–845. DOI: https://doi.org/10.2307/2531595.

Soueidan, H., Louvel, A., Perrin, A., et al. (2024). Pooled analysis of oral microbiome profiles defines robust signatures associated with periodontitis. mSystems, 9(11), e00930-24. DOI: https://doi.org/10.1128/msystems.00930-24.

Sahrmann, P., Gilli, F., Wiedemeier, D. B., Attin, T., Schmidlin, P. R., & Karygianni, L. (2020). The Microbiome of Peri-Implantitis: A Systematic Review and Meta-Analysis. Microorganisms, 8(5), 661. DOI: https://doi.org/10.3390/microorganisms8050661.

Humeniuk, V. O. (2025). Results of the Assessment of the Antimicrobial Resistance Profile of Pathogenic Oral Microorganisms in Patients with Chronic Generalized Periodontitis at the Pre-Implantation Stage: A Single-Center Pilot Study. Actual Dentistry, (6), 62–67. [Гуменюк, В. О. (2025). Результати визначення профілю резистентності патогенних мікроорганізмів порожнини рота до антимікробних препаратів у пацієнтів із хронічним генералізованим пародонтитом на етапі підготовки до дентальної імплантації: одноцентрове пілотне дослідження. Cучасна стоматологія, (6), 62–67]. DOI: https://doi.org/10.33295/1992-576X-2025-6-62 [in Ukrainian].