Quantifying oral inflammatory load: oral neutrophil counts in periodontal health and disease
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Neutrophils are the primary white blood cells that are recruited to fight the initial phases of microbial infections. While healthy norms have been determined for circulating blood neutrophil counts in order to identify patients with suspected systemic infections, the levels of oral neutrophils (oPMNs) in oral health and in the presence of periodontal diseases have not been described. It is important to address this deficiency in our knowledge as neutrophils are the primary immune cell present in the crevicular fluid and oral environment and previous work has suggested that they may be good indicators of overall oral inflammation and periodontal disease severity. The objective of this study was to measure oPMN counts obtained in a standardized oral rinse from healthy patients and from those with chronic periodontal disease in order to determine if oPMN levels have clinical relevance as markers of periodontal inflammation. A parallel goal of this investigation was to introduce the concept of 'oral inflammatory load', which constitutes the inflammatory burden experienced by the body as a consequence of oral inflammatory disease. MATERIAL AND METHODS: Periodontal examinations of patients with a healthy periodontium and chronic periodontal disease were performed (n = 124). Two standardized consecutive saline rinses of 30 s each were collected before patient examination and instrumentation. Neutrophils were quantified in the rinse samples and correlated with the clinical parameters and periodontal diagnosis. RESULTS: Average oPMN counts were determined for healthy patients and for those with mild, moderate and severe chronic periodontal diseases. A statistically significant correlation was found between oPMN counts and deep periodontal probing, sites with bleeding on probing and overall severity of periodontal disease. CONCLUSIONS: oPMN counts obtained through a 30-s oral rinse are a good marker of oral inflammatory load and correlate with measures of periodontal disease severity.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».