OʻZBEKISTON HUDUDLARI BOʻYICHA TISH KARIESI XAVFINI GEOGRAFIK VA MATEMATIK MODELLASHTIRISH
- Авторы:Toshmuradova Madina Shokirovna
- Дата публикации:November 17, 2026
- Тип:Статья
- DOI: 10.64156/mju.9939 Скопировано
- Том / № Выпуска:Том 1 №6 (2026)
Аннотация
Annotatsiya. Oʻzbekiston hududlarida tish kariesi xavfini baholash uchun geografik axborot tizimi, fazoviy statistika va sunʼiy intellektni birlashtiruvchi modelni asoslash hamda ochiq mahalliy maʼlumotlarda pilot hisobni bajarish. WHO metodikasi, Oʻzbekiston boʻyicha 2019-yilgi model baholari va Buxoro hamda Jizzax viloyatlarining toʻrt qishloq tumanida tekshirilgan 8653 nafar 1-15 yoshli bola haqidagi maʼlumotlar tahlil qilindi. 12 yoshdagi karies tarqalishi va KPU indeksi min-maks usulida meʼyorlashtirilib, teng vaznli nisbiy yuk indeksi hisoblandi. Indeks Arnasoyda 77,5, Baxmalda 0,0, Romitanda 76,7 va Peshkuda 58,9 ni tashkil etdi; u faqat shu toʻrt tuman ichidagi tartibni bildiradi. Respublika tizimi uchun ierarxik fazoviy model, Moran I va LISA tahlili, mashinaviy oʻrganish, fazoviy blokli kross-validatsiya hamda tashqi validatsiya protokoli taklif etildi. Ochiq maʼlumotlar hozircha ishonchli umummilliy xarita yaratish uchun yetarli emas.
Kalit soʻzlar: tish kariesi, geografik axborot tizimi, fazoviy epidemiologiya, matematik modellashtirish, sunʼiy intellekt, DMFT/KPU, ekologik omillar, hududiy xavf.
Аннотация. Обосновать модель оценки риска кариеса зубов в регионах Узбекистана, объединяющую геоинформационную систему, пространственную статистику и искусственный интеллект, и выполнить пилотный расчёт на основе открытых местных данных. Проанализированы методика ВОЗ, модельные оценки для Узбекистана за 2019 год и данные об обследовании 8653 детей в возрасте 1–15 лет в четырёх сельских районах Бухарской и Джизакской областей. Показатели распространённости кариеса и индекса КПУ у 12-летних детей нормализованы методом «минимум–максимум» и объединены с равными весами в относительный индекс бремени кариеса. Значения индекса составили 77,5 в Арнасайском, 0,0 в Бахмальском, 76,7 в Ромитанском и 58,9 в Пешкунском районах; индекс отражает только ранжирование этих четырёх районов. Для общенациональной системы предложены иерархическая пространственная модель, анализ с использованием индекса Морана I и LISA, машинное обучение, пространственная блочная кросс-валидация и протокол внешней валидации. Имеющихся открытых данных пока недостаточно для построения достоверной общенациональной карты риска.
Ключевые слова: кариес зубов, геоинформационная система, пространственная эпидемиология, математическое моделирование, искусственный интеллект, DMFT/КПУ, экологические факторы, региональный риск.
Abstract. To substantiate a caries-risk assessment model for Uzbekistan that integrates a geographic information system, spatial statistics, and artificial intelligence, and to perform a pilot calculation using open local data. We analysed the WHO methodology, 2019 model estimates for Uzbekistan, and published data on 8,653 children aged 1-15 years examined in four rural districts of the Bukhara and Jizzakh regions. Caries prevalence and DMFT at age 12 were min-max normalised and combined into an equally weighted relative burden index. The index was 77.5 in Arnasay, 0.0 in Bakhmal, 76.7 in Romitan, and 58.9 in Peshku; it represents ranking only within these four districts. A nationwide framework was proposed comprising a hierarchical spatial model, Moranʼs I and LISA, machine learning, spatial block cross-validation, and external validation. Available open data remain insufficient for a reliable nationwide risk map.
Keywords: dental caries, geographic information system, spatial epidemiology, mathematical modelling, artificial intelligence, DMFT, ecological factors, regional risk.
References
- Babadjanov P.L., Yepishev V.A., Alimskiy A.V. Epidemiologiya i profilaktika stomatologicheskix zabolevaniy v Uzbekistane. – Tashkent, 1991. – 101 s.
- Kamilov X.P., Zokirxonova Sh.A. Sravnitelnыy analiz rasprostranyonnosti i intensivnosti kariyesa zubov u detey v vozraste 3–6 let v raznыx regionax Tashkentskoy oblasti // Stomatologiya. – Tashkent, 2015. – №1-2. – S. 133–136.
- Paxomov G.N., Shadiyev K.K., Kadnikova G.I. i dr. Analiz epidemiologicheskoy situatsii pri planirovanii meropriyatiy po profilaktike stomatologicheskix zabolevaniy g. Gulistana // Stomatologiya. – 1982. – № 5. – S. 73–75.
- Saidova N.B. Rasprostranennost kariyesa zubov u detey, projivayuщix v selskix rayonax Respubliki Uzbekistan // Mejdunarodnыy jurnal prikladnыx i fundamentalnыx issledovaniy. – 2015. – № 12-9. – S. 1617–1620.
- Anselin L. Local indicators of spatial association—LISA // Geographical Analysis. – 1995. – Vol. 27(2). – P. 93–115. – DOI: 10.1111/j.1538-4632.1995.tb00338.x.
- Breiman L. Random forests // Machine Learning. – 2001. – Vol. 45. – P. 5–32. – DOI: 10.1023/A:1010933404324.
- Collins G.S., Moons K.G.M., Dhiman P. et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods // BMJ. – 2024. – Vol. 385. – e078378. – DOI: 10.1136/bmj-2023-078378.
- Dinikulov Zh.A. Endogenous prevention of dental caries in preschool children: Monograph. – Tashkent: Tashkent State Dental Institute, 2025.
- Moynihan P.J., Kelly S.A.M. Effect on caries of restricting sugars intake: systematic review to inform WHO guidelines // Journal of Dental Research. – 2014. – Vol. 93(1). – P. 8–18. – DOI: 10.1177/0022034513508954.
- Ogwo C., Brown G., Warren J., Caplan D., Levy S. Predicting dental caries outcomes in young adults using machine learning approach // BMC Oral Health. – 2024. – Vol. 24. – Art. 529. – DOI: 10.1186/s12903-024-04294-7.
- . Pang L., Wang K., Tao Y. et al. A new model for caries risk prediction in teenagers using a machine learning algorithm based on environmental and genetic factors // Frontiers in Genetics. – 2021. – Vol. 12. – Art. 636867. – DOI: 10.3389/fgene.2021.636867.
- Peres M.A., Macpherson L.M.D., Weyant R.J. et al. Oral diseases: a global public health challenge // The Lancet. – 2019. – Vol. 394(10194). – P. 249–260. – DOI: 10.1016/S0140-6736(19)31146-8.
- Pitts N.B., Zero D.T., Marsh P.D. et al. Dental caries // Nature Reviews Disease Primers. – 2017. – Vol. 3. – Art. 17030. – DOI: 10.1038/nrdp.2017.30.
- Sadegh-Zadeh S.A., Rahmani Qeranqayeh A., Benkhalifa E. et al. Dental caries risk assessment in children 5 years old and under via machine learning // Dentistry Journal. – 2022. – Vol. 10(9). – Art. 164. – DOI: 10.3390/dj10090164.
- Walsh T., Worthington H.V., Glenny A.M., Marinho V.C.C., Jeroncic A. Fluoride toothpastes of different concentrations for preventing dental caries // Cochrane Database of Systematic Reviews. – 2019. – Issue 3. – CD007868. – DOI: 10.1002/14651858.CD007868.pub3.
- World Health Organization. Guideline: sugars intake for adults and children. Geneva: WHO; 2015. 59 p. ISBN 978-92-4-154902-8.
- World Health Organization. Oral health surveys: basic methods. 5th ed. Geneva: WHO; 2013. 125 p. ISBN 978-92-4-154864-9.
- World Health Organization. Uzbekistan oral health country profile. Geneva: WHO; 2022. WHO/UCN/NCD/MND/UZB/2022.1.