Use of IL‐1 β, IL‐6, TNF‐α, and MMP‐8 biomarkers to distinguish peri‐implant diseases: A systematic review and meta‐analysis
Notice bibliographique
Résumé
OBJECTIVE: To investigate the use of peri-implant crevicular fluid (PICF) interleukin-1β (IL-1β), IL-6, tumor necrosis factor-α (TNF-α), and matrix metalloproteinase-8 (MMP-8) biomarkers in distinguishing between healthy implants (H), peri-implant mucositis (MU), and peri-implantitis (PI). MATERIAL AND METHODS: Electronic using three databases (Pubmed, EMBASE, and Cochrane) and manual searches were conducted for articles published up to March 2018 by two independent calibrated reviewers. Meta-analyses using a random-effects model were conducted for each of the cytokines; IL-1β, IL-6, and TNF-α, to analyze standardized mean difference (SMD) between H and MU, MU and PI, H and PI with their associated 95% confidence intervals (CI). Qualitative assessment of MMP-8 was provided consequent to the lack of studies that provide valid data for a meta-analysis. RESULTS: Nineteen articles were included in this review. IL-1β, IL-6, and TNF-α, levels were significantly higher in MU than H groups (SMD: 1.94; 95% CI: 0.87, 3.35; P < .001, SMD: 1.17; 95% CI: 0.16, 3.19; P = .031 and SMD: 3.91; 95% CI: 1.13, 6.70; P = .006, respectively). Similar results were obtained with PI compared to H sites (SMD: 2.21, 95% CI: 1.32, 3.11; P < .001, SMD: 1.72; 95% CI: 0.56, 2.87; P = .004 and SMD: 3.78; 95% CI: 1.67, 5.89; P < .001, respectively). IL-6 was statistically higher in PI than MU sites (SMD = 1.46; 95% CI: 0.36, 2.55; P = .009); while IL-1ß increase was not significant. Despite absence of meta-analysis, MMP-8 show to be a promising biomarker in detection of PI in literature. CONCLUSION: Within the limitations of this study, pro-inflammatory cytokines in PICF, such as IL-1ß and IL-6, can be used as adjunct tools to clinical parameters to differentiate H from MU and PI.
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 | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,033 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».