Notice bibliographique
Résumé
Objective: The objective of this study was to evaluate the efficacy of the novel approach of non- surgical therapy using photodynamic laser therapy for treatment of periodontal lesions. Material and Methods: This study included 60 patients with at least one periodontal pocket ≤4 mm in all four quadrants of the mouth, without systemic disease and without prior 6-month use of antibiotics. A split-mouth design was used to compare treatment options for four quadrants: Scaling and Root Planning (SRP), SRP + Photodynamic Therapy (PDT), SRP + Low-Level-Laser-Therapy (LLLT) and basic therapy. Baseline, 3 and 6 months’ post-treatment periodontal examinations included Pocket Probing Depth (PPD), Clinical Attachment Level (CAL), Gingival Recession (GR), Gingival Index (GI), and Bleeding-on-Probing (BOP). Microbiological sampling from the periodontal pockets for anaerobic periopathogens using commercially available kits took place simultaneously with periodontal examinations. An examiner blinded to the treatment procedure used sterile paper point #50 for sampling from each quadrant and cultivated the material from the paper in a Schaedler terrain. The culture was put in a hermetically sealed bag with anaerobic-generator sacculus, incubated for 48 h and read with commercially available anaerobic ID cards in the Vitek-2? machine. Results: The results showed a significant reduction of PPD, CAL, GI and BOP for the quadrants treated with SRP + PDT, while SRP + LLLT and SRP alone showed similar results. When comparing CAL between the working groups, the SRP + PDT group showed significantly higher CAL gain than the other two study groups after 3 and 6 months (p < 0.01 and p < 0.001, respectively). The analysis of variance between the groups regarding the periodontal parameters, except for the GR, showed better results for the SPR + PDT group, but without any difference in microbiological findings. Conclusion: Photo-dynamic therapy, as an adjunct to the non-surgical method, may enhance mechanical debridement.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,927 | 0,918 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».