The association between subgingival periodontal pathogens and systemic inflammation
Notice bibliographique
Résumé
AIM: To investigate associations between periodontal disease pathogens and levels of systemic inflammation measured by C-reactive protein (CRP). METHODS: A representative sample of dentate 60-70-year-old men in Northern Ireland had a comprehensive periodontal examination. Men taking statins were excluded. Subgingival plaque samples were analysed by quantitative real time PCR to identify the presence of Aggregatibacter actinomycetemcomitans, Porphyromonas gingivalis, Treponema denticola and Tannerella forsythia. High-sensitivity CRP (mg/l) was measured from fasting blood samples. Multiple linear regression analysis was performed using log-transformed CRP concentration as the dependent variable, with the presence of each periodontal pathogen as predictor variables, with adjustment for various potential confounders. RESULTS: A total of 518 men (mean age 63.6 SD 3.0 years) were included in the analysis. Multiple regression analysis showed that body mass index (p < 0.001), current smoking (p < 0.01), the detectable presence of P. gingivalis (p < 0.01) and hypertension (p = 0.01), were independently associated with an increased CRP. The detectable presence of P. gingivalis was associated with a 20% (95% confidence interval 4-35%) increase in CRP (mg/l) after adjustment for all other predictor variables. CONCLUSION: In these 60-70-year-old dentate men, the presence of P. gingivalis in subgingival plaque was significantly associated with a raised level of C-reactive protein.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».