Förutsägelse av patientnöjdhet inom digital ortodonti med en KAC‑baserad modell som integrerar AI‑stöd och riskstratifiering

Varför ditt leende och tekniken hör ihop nu

Allt fler ortodontiska behandlingar — från genomskinliga skenor till skräddarsydda tandställningar — styrs av digitala verktyg och artificiell intelligens (AI). Men även när tekniken imponerar går inte alltid patienterna därifrån nöjda. Denna studie ställer en enkel men viktig fråga: kan vi förutsäga vilka patienter som blir nöjda med sin AI‑assisterade ortodontiska vård genom att förstå vad de vet, hur de känner och vad som oroar dem?

Bortom raka tänder

Forskarna fokuserade på ”digital ortodonti”, som omfattar behandlingar som använder verktyg som 3D‑skanningar, dator‑designade apparaturer, AI‑stödd diagnos och fjärrövervakning. Medan dessa framsteg lovar snabbare och mer precisa behandlingar har patientnöjdheten inte alltid hållit takt med många klinikers entusiasm. Patienter skiljer sig åt i hur mycket de förstår AI, hur mycket de litar på den och hur bekväma de är med att dela data eller förlita sig på mjukvara. Istället för att bara titta på kliniska utfall eller enkla enkäter om att gilla teknik, ville teamet skapa ett strukturerat sätt att mäta den mänskliga sidan av digital ortodontisk vård.

Tre byggstenar i patientupplevelsen

För detta utvecklade författarna ett ramverk som de kallar Knowledge–Attitude–Challenge (KAC). ”Knowledge” fångar hur väl patienterna förstår digitala och AI‑baserade ortodontiska verktyg. ”Attitude” speglar deras allmänna öppenhet, förtroende och komfort med att använda dessa verktyg i sin egen behandling. ”Challenge” summerar upplevda hinder som kostnader, tekniska svårigheter, integritetsoro, schemaläggningsproblem eller ångest inför okänd teknik. Teamet skapade och testade två frågeformulär — ett för 500 patienter och ett annat för 500 ortodontister i hela Kina — för att tillförlitligt mäta dessa tre element. Endast patienternas svar matade in i prediktionsmodellen, medan klinikernas data hjälpte till att beskriva hur vårdgivarna ser samma frågor.

Att omvandla känslor och rädslor till en förutsägelse

Bland de 500 patienterna rapporterade ungefär sju av tio att de var nöjda eller mycket nöjda med sin behandling. När forskarna jämförde nöjda och mindre nöjda patienter framträdde tydliga mönster. De som förstod digital ortodonti bättre och kände mer positivitet inför AI rapporterade konsekvent högre nöjdhet. Däremot tenderade de som kände sig betungade av kostnader, tekniska eller integritetsrelaterade bekymmer eller praktiska olägenheter att vara mindre nöjda. Med hjälp av statistisk modellering kombinerade författarna KAC‑poäng med grundläggande information som ålder, kön, utbildningsnivå och typ av digital behandling (genomskinliga skenor jämfört med skräddarsydd fasta tandställningar) för att förutsäga vem som skulle bli nöjd. Den resulterande modellen kunde med god noggrannhet skilja högre‑ från lägre‑nöjdhetspatienter.

Att sortera patienter efter risken för missnöje

Teamet översatte sedan modellens förutsägelser till tre enkla grupper. Patienter vars svar antydde låg risk för missnöje hade mycket stor sannolikhet att bli nöjda med vården, medan de i högst riskgrupp uppvisade avsevärt lägre nöjdhetsnivåer trots att de fått liknande typer av behandling. Detta steg — kallat riskstratifiering — är viktigt eftersom det omvandlar abstrakta poäng till handlingsbar vägledning. Till exempel kan en patient som flaggas som högrisk dra nytta av ett längre samtal om hur AI‑systemet fungerar, extra försäkran om datasäkerhet eller en tydligare förklaring av vad digitala verktyg kan och inte kan göra för deras leende.

Vad detta innebär för framtida ortodontiska besök

Studien slår fast att patientnöjdhet i AI‑assisterad ortodonti i hög grad beror på vad patienterna vet, hur de känner och vilka hinder de stöter på — inte bara på den tekniska kvaliteten i behandlingen. Den KAC‑baserade modellen erbjuder ett praktiskt verktyg för att tidigt identifiera patienter som kan riskera att bli besvikna, vilket ger kliniker en chans att anpassa kommunikationen, ta itu med oro och skräddarsy stöd. Allteftersom AI blir mer integrerat i tandvården kan angreppssätt som detta bidra till att säkerställa att smartare teknik faktiskt leder till bättre och mer lugnande upplevelser i tandläkarstolen.

Citering: Xiaoting, X., Ismail, N.A., Liu, Y. et al. Predicting patient satisfaction in digital orthodontics using a KAC based model integrating AI support and risk stratification. Sci Rep 16, 11164 (2026). https://doi.org/10.1038/s41598-026-39105-2

Nyckelord: digital ortodonti, patientnöjdhet, artificiell intelligens inom tandvård, riskstratifiering, patientattityder