Impact of supragingival therapy on subgingival microbial profile in smokers versus non-smokers with severe chronic periodontitis
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to assess subgingival microbiological changes in smokers versus non-smokers presenting severe chronic periodontitis after supragingival periodontal therapy (ST). METHODS: Non-smokers (n=10) and smokers (n=10) presenting at least nine teeth with probing pocket depth (PPD) (≥5 mm), bleeding on probing (BoP), and no history of periodontal treatment in the last 6 months were selected. Clinical parameters assessed were plaque index (PI), BoP, PPD, relative gingival margin position (rGMP) and relative clinical attachment level (rCAL). Subgingival biofilm was collected before and 21 days after ST. DNA was extracted and the 16S rRNA gene was amplified with the universal primer pair, 27F and 1492R. Amplified genes were cloned, sequenced, and identified by comparison with known 16S rRNA sequences. Statistical analysis was performed by Student's t and Chi-Square tests (α=5%). RESULTS: Clinically, ST promoted a significant reduction in PI and PPD, and gain of rCAL for both groups, with no significant intergroup difference. Microbiologically, at baseline, data analysis demonstrated that smokers harbored a higher proportion of Porphyromonas endodontalis, Bacteroidetes sp., Fusobacterium sp. and Tannerella forsythia and a lower number of cultivated phylotypes (p<0.05). Furthermore, non-smokers featured significant reductions in key phylotypes associated with periodontitis, whereas smokers presented more modest changes. CONCLUSION: Within the limits of the present study, ST promoted comparable clinical improvements in smokers and non-smokers with severe chronic periodontitis. However, in smokers, ST only slightly affected the subgingival biofilm biodiversity, as compared with non-smokers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».