Relationship between serum tumor necrosis factor receptor-2 concentration and periodontal destruction in patients with type 2 diabetes: Cross-sectional study
Notice bibliographique
Résumé
Introduction: The role of tumor necrosis factor-α (TNFα) is well documented in pathogenesis of chronic periodontitis (CP) and type 2 diabetes (T2D). Considering short half-life of TNFα, tumor necrosis factor receptor-2 (TNFR2) is used as prosperous surrogate marker of TNFα activity. Objective: The aim was to detect TNFR2 serum concentration and correlate it with periodontal destruction in patients with diagnosed T2D and nondiabetics. Methods: The study included 85 patients divided into three groups: T2D + CP (group T2D, n = 34); nondiabetics + CP (Group PD, n = 27); and healthy controls (group HC, n = 24). T2D was diagnosed according to WHO criteria (2013) and periodontitis was diagnosed using International Workshop for a Classification of Periodontal Diseases and Conditions criteria (1999). TNFR2 level was measured by enzyme-linked immunosorbent assay (ELISA). Results: There was no difference in TNFR2 level among the groups (Kruskal–Wallis, p = 0.482). Significant correlation (Pearson’s correlation coefficient) was observed between clinical attachment loss (CAL) and TNFR2 concentration in PD group (rp = -0.460, p = 0.016). In T2D group, correlations were observed between TNFR2 concentration and CAL (rp = 0.363, p = 0.005) and periodontal inflamed surface area (PISA) (rp = 0.345, p = 0.046) and periodontal epithelial surface area (PESA) (rp = 0.578, p = 0.000). Conclusion: Higher concentration of TNFR2 was associated with higher CAL, PESA, and PISA scores in T2D group. Contrary to that, nondiabetics with higher values of CAL exhibited lower concentration of TNFR2, presenting potential protective effect on periodontal destruction. These results imply that diabetes may alter TNFR2 secretion originated from periodontium.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».