The Association Between Periodontal Inflammation and Labor Triggers (Elevated Cytokine Levels) in Preterm Birth: A Cross‐Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Periodontitis is considered to be a risk factor for preterm birth. Mechanisms have been proposed for this pathologic relation, but the exact pathologic pattern remains unclear. Therefore, the objective of the present study is to evaluate levels of four major labor triggers, prostaglandin E2 (PGE2), interleukin (IL)-1β, IL-6, and tumor necrosis factor (TNF)-α, in gingival crevicular fluid (GCF) and serum samples between women with preterm birth (PTB) and full-term birth (FTB) and correlate them with periodontal parameters. METHODS: PGE2, IL-1β, IL-6, and TNF-α levels were estimated using enzyme-linked immunosorbent assays in GCF and serum samples collected 24 to 48 hours after labor from 120 women (60 FTB, 60 PTB). RESULTS: Women with PTB exhibited significantly more periodontitis, worse periodontal parameters, and increased GCF levels of IL-6 and PGE2 compared with the FTB group; there were no significant differences in serum levels of measured markers. GCF levels of IL-1β, IL-6, and PGE2 and serum levels of TNF-α and PGE2 were significantly higher in women with periodontitis compared with periodontally healthy women. Serum levels of PGE2 were positively correlated with probing depth (PD) and clinical attachment level (CAL) as well as with GCF levels of TNF-α in women with PTB. CONCLUSIONS: Women with PTB demonstrated worse periodontal parameters and significantly increased GCF levels of IL-6 and PGE2 compared with those with FTB. Based on significant correlations among serum PGE2 and PD, CAL, and GCF TNF-α in PTB, periodontitis may cause an overall increase of labor triggers and hence contribute to preterm labor onset.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».