The analysis of oral air using selected ion flow tube mass spectrometry in persons with and without a history of oral malodour
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Oral malodour is a common disorder predominantly caused by bacterial metabolism of food stuffs in the mouth. It is routinely diagnosed and monitored by either the subjective rating or the measurement of oral volatile sulphur compound (VSC) levels. Non-sulphur compounds are also believed to contribute significantly to the condition although there is currently no direct means to assess their levels. In this study, we utilized selective flow tube mass spectrometry (SIFT-MS) to measure, in real time, a range of sulphur and non-sulphur containing compounds in oral air to determine whether the technique can be used to objectively monitor oral malodour. METHODS: Oral malodour was assessed using organoleptic scores in subjects with and without a history of oral malodour (n = 18) by a trained rater, while the chemical composition of oral air was analysed by both VSC sensor and SIFT-MS. RESULTS: Total VSC levels were significantly correlated with levels of hydrogen sulphide and methylmercaptan measured by SIFT-MS, but not with organoleptic scores. In subjects with elevated organoleptic score, only levels of methylmercaptan were significantly elevated. In three subjects with elevated tongue organoleptic scores but normal total VSC levels, SIFT-MS suggested that one subject possessed high levels of oral acetone while another had high oral levels of acetic acid. CONCLUSIONS: Our data suggest that SIFT-MS can be used to assess a wide range of compounds in oral air in addition to VSC to provide a clearer picture of the chemical nature of malodour. This may assist in the diagnosis and monitoring of the condition.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| 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 découle