طراحی و بررسی قدرت نرم افزارCCTA در تشخیص نوع ناهنجاری

خلاصه:سابقه وهدف: باتوجه به فراوانی ناهنجاریها و اهمیت تشخیص انها ومشکلات فعلی تشخیص انها،مخصوصاصرف وقت زیاد جهت انالیز سفالومتری وبرای پاسخ به این سوال که ایا نرم افزار طراحی شده (sheibani version3 ccta-shv3 :computerized cephalometry tracer & analyser) نسبت به روش استاندارد فعلی قادر به تشخیص مال اکلوژن می باشد،این تحقیق بر روی رادیوگرافیهای سفالومتری بیماران مبتلا به ناهنجاریهای cl lll ,cl ll , cl l در سالهای 1386-1387 انجام گرفت.مواد وروشها:تحقیق به روش کار آزمایی بالینی از نوع تشخیصی انجام گرفت.بعد از طراحی نرم افزار ccta و تریسینگهای مستمر تعداد 120 نمونه بدست آوردیم که شامل 40 عدد ناهنجاری cl l ، 40 عدد ناهنجاری cl ll و40 عدد ناهنجاری cl lll بود.برای هر عکس یک کد گذاشته شد و همه اطلاعات مربوط به هر نمونه در فرم اطلاعاتی شماره 1 ثبت گردید.کاربر بدون اطلاع از محل لندمارکهای قبلی که به روش دستی تریس شده بود شروع به گذاشتن لندمارکها کرد و بوسیله نرم افزار cctaمجددا کلاس انها تعیین شد و در فرم شماره2 ثبت شد.تشخیص نرم افزار نسبت به تشخیص قطعی، حساسیت واختصاصیت و به ویژه ارزش پیش بینی مثبت و منفی positive and negative predictive value محاسبه شد.یافته ها: تعداد 120 نمونه بدست آمد، بطوریکه به تعداد40 عدد cl l،40عدد , cl ll40عدد cl lll داشتیم.پس از مقایسه کامل روش دستی و نرم افزاری ، برای هر 3 گروه حساسیت sensitivity))،اختصاصیت (specificity) ،ارزش پیش بینی مثبت ppv ،ارزش پیش بینی منفی npv و کارایی کلی نرم افزار 100% محاسبه شد . بحث و نتیجه گیری: با توجه به دقت وتلاش زیادی که برای ساخت این نرم افزار داشتیم و همچنین تعداد نمونه های گرفته شده در این تحقیق، جامع بودن ان و همچنین حساسیت واختصاصیت 100% نرم افزار، نرم افزارccta جایگزین بسیار خوبی، بلکه بهتر بجای روش دستی است!