Résumé

Contexte : Les connaissances et la sensibilisation à la santé bucco-dentaire des enfants chez les mères sont importantes pour prévenir les maladies bucco-dentaires chez les enfants. L'algorithme de l'arbre de décision aide à la prédiction et à la prise de décision en utilisant des données importantes. Par conséquent, la présente étude visait à prédire les facteurs qui influencent les connaissances des mères bahreïniennes en matière de santé bucco-dentaire des enfants en utilisant l'algorithme.
Méthodes : Deux-cent-soixante-quatre mères ont rempli un questionnaire préparé, validé et prétesté. SPSS version 28 et SPSS Modeler version 18 ont été utilisés pour l'analyse. Le test de classification et de régression et l'analyse par arbre de décision C 5.0 ont été utilisés pour prédire les résultats. Le modèle de prédiction des connaissances en matière de santé bucco-dentaire a été estimé en utilisant "l’Area Under the Receiver Operating Characteristics" : l'AUROC.
Résultats : Le score moyen (écart-type) des connaissances était de 7,73 (1,83). Quatre-vingt-dix-neuf (37,5%) participants avaient un score de connaissance ≥ 8,5. L'algorithme de l'arbre de décision a prédit que les mères qui travaillent, âgées de plus de 30 ans, avec plus de trois enfants qui supervisaient le brossage de leur enfant et utilisaient une brosse à dents électrique, une ou deux fois par jour, affichaient de bons scores de connaissance. L'analyse CART a prédit que 57% des mères avaient de bonnes connaissances. L'AUROC était de 0,532.
Conclusion : L'algorithme de l'arbre de décision est un outil extrêmement fiable pour prédire les facteurs qui influencent les connaissances des mères en matière de santé bucco-dentaire des enfants.

Abstract
Utility of decision tree algorithm to predict factors influencing knowledge of oral health

Background and aim of the study: Knowledge and awareness regarding child oral health among mothers is important to prevent oral diseases in children. Decision tree algorithm helps in prediction and decision-making using big data. Hence, the present study was aimed to predict the factors that influence the knowledge of Bahraini mothers regarding child oral health using the algorithm.
Methods: Two-hundred and sixty-four mothers filled a prepared, validated, and pretested questionnaire for this cross-sectional study. SPSS version 28 and SPSS Modeler version 18 were used for analysis. Classification and regression test and C 5.0 decision tree analysis were used for predicting the outcomes. The model predicted knowledge of oral health was estimated using area under the receiver-operating characteristics curve (AUROC).
Results: The mean (SD) knowledge scores were 7.73 (1.83). 99 (37.5%) participants had a knowledge score of ≥ 8.5. The decision tree algorithm predicted that working mothers, above 30 years of age, with more than three children that supervised their child’s brushing and used electric toothbrush, once or twice daily, displayed good knowledge scores. CART analysis predicted 57% of mothers displayed good knowledge. AUROC was 0.532.
Conclusion: The decision tree algorithm is an extremely reliable tool to predict the factors that influence the knowledge of mothers regarding child oral health.