Impact of <i>Cannabis Sativa</i> (Marijuana) Smoke on Alveolar Bone Loss: A Histometric Study in Rats
Notice bibliographique
Résumé
BACKGROUND: Cannabis sativa (marijuana) can interfere with bone physiopathology because of its effect on osteoblast and osteoclast activity. However, its impact on periodontal tissues is still controversial. The present study evaluates whether marijuana smoke affects bone loss (BL) on ligature-induced periodontitis in rats. METHODS: Thirty male Wistar rats were used in the study. A ligature was placed around one of the mandible first molars (ligated teeth) of each animal, and they were then randomly assigned to one of two groups: control (n = 15) or marijuana smoke inhalation ([MSI] for 8 minutes per day; n = 15). Urine samples were obtained to detect the presence of tetrahydrocannabinol. After 30 days, the animals were sacrificed and decalcified sections of the furcation area were obtained and evaluated according to the following histometric parameters: bone area (BA), bone density (BD), and BL. RESULTS: Tetrahydrocannabinol was positive in urine samples only for the rats of the MSI group. Non-significant differences were observed for unligated teeth from both groups regarding BL, BA, and BD (P >0.05). However, intragroup analysis showed that all ligated teeth presented BL and a lower BA and BD compared to unligated teeth (P <0.05). The intergroup evaluation of the ligated teeth showed that the MSI group presented higher BL and lower BD (P <0.05) compared to ligated teeth from the control group. CONCLUSION: Considering the limitations of this animal study, cannabis smoke may impact alveolar bone by increasing BL resulting from ligature-induced periodontitis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».