Assessment of tissue oxygenation of periodontal inflammation in smokers using optical spectroscopy
Notice bibliographique
Résumé
BACKGROUND: We have recently developed a periodontal diagnostic tool that was validated in non-smokers with periodontitis. Tobacco smoking is a recognized risk factor for periodontal diseases that can mask gingival bleeding and lead to a false negative diagnosis. Therefore, the purpose of current study is to further validate this instrument in smokers with periodontal diseases. METHODS: Using a portable optical near-infrared spectrometer, optical spectra were obtained, processed and evaluated from healthy (n = 108), gingivitis (n = 100), and periodontitis (n = 79) sites of 54 systemically healthy smokers. A modified Beer-Lambert unmixing model that incorporates a non-parametric scattering loss function was used to determine the relative contribution of deoxygenated haemoglobin (Hb) and oxygenated haemoglobin (HbO2 ) to the overall spectrum. The balance between tissue oxygen delivery and utilization in periodontal tissues was then assessed. RESULTS: Tissue oxygen saturation was significantly decreased in the gingivitis (p = 0.016) and periodontitis (p = 0.007) sites, compared to the healthy sites. There was a trend towards increased concentration of Hb and decreased concentration of HbO2 from healthy to diseased sites, without statistical significance (p > 0.05). CONCLUSIONS: Optical spectroscopy can determine tissue oxygenation profiles of healthy and diseased sites in smokers. The spectral profile of periodontal sites in smokers generally resembles those from non-smoking patients.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 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 ».