배경: 급성에서 만성으로의 이행이 나타나는 악관절장애(temporomandibular disorders, TMD)의 전이를 탐색하는 일은 질병이 다요인적이라는 특성으로 인해 여전히 어렵다. 본 연구는 TMD 환자에서 증상의 만성화에 기여하는 임상적, 행동적, 영상 기반 예측인자를 규명하는 것을 목적으로 한다. 방법: 급성(< 6개월) 또는 만성(≥ 6개월)으로 증상 지속기간에 따라 분류된 TMD 환자 239명(여성 161명, 남성 78명; 평균 연령 35.60 ± 17.93세)을 등록하였다. TMD 진단은 Diagnostic Criteria for TMD (DC/TMD Axis I)에 따라 수행하였다. 임상 자료, 수면 관련 변인, 악관절 자기공명영상(magnetic resonance imaging, MRI)을 수집하였다. MRI 평가는 3T T2 가중 및 양성자 밀도(proton density) 스캔을 사용하여 전방 원판 변위(anterior disc displacement, ADD), 관절 간격 협소, 골관절염(osteoarthritis, TMJ-OA), 그리고 관절 삼출(effusion)을 포함하였다. 예측인자는 로지스틱 회귀와 딥 뉴럴 네트워크(deep neural networks, DNN)로 평가하였고, 성능을 비교하였다. 결과: 만성 TMD는 환자의 51.05%에서 관찰되었다. 급성 사례에 비해 만성 TMD는 TMJ 소음(TMJ noise, 70.5%), 이갈이(bruxism, 31.1%), 그리고 더 높은 통증 강도(VAS: 4.82 ± 2.47)와 더 빈번하게 연관되었다. 또한 더 짧은 수면과 더 높은 STOP-Bang 점수를 보였으며, 이는 폐쇄성 수면무호흡증의 위험이 더 큼을 시사한다. MRI 소견에서는 만성 TMD에서 ADD의 유병률(86.9%), TMJ-OA(82.0%), 관절 간격 협소(88.5%)가 증가한 것으로 나타났다. 로지스틱 회귀는 AUROC 0.7550 (95% CI: 0.6550-0.8550)을 달성하였으며, TMJ 소음, 이갈이, VAS, 수면장애, STOP-Bang ≥5, ADD, 관절 간격 협소를 유의한 예측인자로 확인하였다. DNN 모델은 정확도를 75.50%에서 79.49%로 향상시켰으나, 통계적으로 유의한 차이는 아니었다(p = 0.3067). 결론: 행동적 요인과 TMJ 관련 구조적 요인이 만성 TMD의 핵심 예측인자이며, 조기 식별에 도움을 줄 수 있다. 시의 적절한 인지는 맞춤형 전략을 뒷받침하고 예후를 개선할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.