Periodontal Inflammatory Conditions Among Gutka Chewers and Non‐chewers With and Without Prediabetes
Notice bibliographique
Résumé
BACKGROUND: It is known that gutka chewing jeopardizes periodontal health; however, severity of periodontal inflammation in gutka chewers with and without prediabetes remains unknown. The aim of this study is to investigate the association of periodontal inflammatory conditions with gutka chewing and prediabetes. METHODS: In this cross-sectional study, the effect of gutka use on periodontal health is investigated among 44 individuals with prediabetes and 44 without prediabetes. Demographic information regarding age, sex, duration of prediabetes, and gutka-chewing habits was collected using a questionnaire. Periodontal inflammatory conditions (plaque index [PI], bleeding on probing [BOP], probing depth [PD], marginal bone loss [MBL]) and fasting blood glucose levels (FBGLs) were recorded. Group differences in periodontal inflammatory parameters were tested using univariate and multivariable analyses (α ≤5%). RESULTS: Periodontal inflammatory parameters (PI, BOP, and PD) were significantly higher in individuals with prediabetes irrespective of gutka-chewing habit (P <0.05). Odds of periodontal inflammation in individuals with prediabetes were nine times higher than in healthy controls (95% confidence interval [CI] = 3.4 to 23.6). Gutka chewing alone, chewing among individuals with prediabetes, and chewing among healthy controls did not significantly increase the odds of periodontal inflammatory conditions. Individuals with prediabetes were significantly more likely to have periodontal inflammation than individuals without prediabetes even after controlling for sex and gutka chewing (odds ratio = 13.2; 95% CI = 4.3 to 40.7). CONCLUSION: In medically healthy individuals, periodontal inflammatory conditions are worse in gutka chewers compared to non-chewers; in patients with prediabetes, the severity of periodontal inflammation is governed by hyperglycemia when compared to habitual gutka usage.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».