Gingival Crevicular Fluid, Serum Levels of Receptor Activator of Nuclear Factor‐κB Ligand, Osteoprotegerin, and Interleukin‐17 in Patients With Rheumatoid Arthritis and Osteoporosis and With Periodontal Disease
Notice bibliographique
Résumé
BACKGROUND: This study is performed to evaluate gingival crevicular fluid (GCF) and serum levels of soluble receptor activator of nuclear factor-κB ligand (sRANKL), interleukin (IL)-17A, IL-17E, IL-17F, IL-17A/F, and osteoprotegerin (OPG) in women with rheumatoid arthritis (RA), osteoporosis (OPR), and those who are systemically healthy (SH), all with periodontal disease. METHODS: GCF and serum samples were obtained before any periodontal intervention from 17 women with RA, 19 with OPR, and 13 who were SH with periodontitis. Full-mouth clinical periodontal measurements were recorded. sRANKL, OPG, and IL-17 levels were determined by enzyme-linked immunosorbent assay. RESULTS: Clinical periodontal measurements were similar in the three study groups. Although the total amounts of GCF albumin, OPG, IL-17A, and IL-17A/F were similar in the study groups, there were statistically significant differences in GCF concentrations of sRANKL, OPG, IL-17A, IL-17E, IL-17F, and IL-17A/F. The sRANKL/OPG ratios were significantly higher in the RA group than in the OPR and SH groups (P <0.05). Serum sRANKL, sRANKL/OPG, and IL-17A/IL-17E ratios were significantly higher, whereas OPG concentrations were significantly lower in the RA group compared to other groups (P <0.05). Serum IL-17A concentrations were significantly higher in the RA and OPR groups than in the SH group (P <0.05). CONCLUSION: Increased inflammatory mediator levels in patients with RA, despite the long-term use of various anti-inflammatory drugs, suggest that these patients may have a propensity to overproduce these inflammatory mediators.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».