Serum and Salivary IgA, IgG, and IgM Levels in Oral Lichen Planus: A Systematic Review and Meta-Analysis of Case-Control Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Immunoglobulins (IgA, IgG, and IgM) are significant anti-inflammatory factors. The meta-analysis aimed to assess the serum and salivary levels of Igs as more important immunoglobulins in patients affected by oral lichen planus (OLP) compared to the healthy controls. Four databases, including PubMed/Medline, Scopus, Web of Science, and Cochrane Library as well as Iranian databases were checked up to January 2018 without language restriction. The quality of each involved study was done using the Newcastle–Ottawa Quality Assessment Scale (NOS) questionnaire. A random-effects model analysis was done by RevMan 5.3 software applying the mean difference (MD) plus 95% confidence intervals (CIs). The CMA 2.0 software was applied to calculate the publication bias among the studies. Out of 70 studies found in the databases, 8 studies were involved and analyzed in the meta-analysis. The meta-analysis included 282 OLP patients and 221 healthy controls. The pooled MDs of serum levels of IgA, IgG, and IgM were −0.13 g/L [95% CI: −0.24, −0.02; P = 0.02], 1.01 g/L [95% CI: −0.91, 2.93; P = 0.30], and −0.06 g/L [95% CI: −0.25, 0.14; P = 0.56], respectively; whereas, the salivary IgA and IgG levels were 71.54 mg/L [95% CI: 12.01, 131.07; P = 0.02] and 0.59 mg/L [95% CI: −0.20, 1.38; P = 0.14], respectively. Considering the few studies performed on saliva, the results suggested that the salivary levels, especially IgA level had higher values than the serum levels. Therefore, the salivary immunoglobulins can play a significant function in the OLP pathogenesis.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 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 | 0,000 |
| 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 découle