Interpretable Machine Learning for Population-Level Severe Tooth Loss Prediction: A Two-Axis External Validation
Diese Studie entwickelt und validiert einen intrinsisch interpretierbaren, survey-gewichteten Machine-Learning-Ansatz (MICE-EBM) zur Vorhersage von schwerem Zahnverlust auf Bevölkerungsebene, der durch robuste zeitliche und klinische Generalisierbarkeit sowie vollständige Transparenz der Risikofaktoren eine klinisch einsetzbare Grundlage für gezielte zahnmedizinische Public-Health-Interventionen bietet.