Efficacy of aloe vera mouthwash versus chlorhexidine on plaque and gingivitis: A systematic review
Notice bibliographique
Résumé
OBJECTIVES: The present systematic review assessed the efficacy of aloe vera mouthrinse on plaque and gingival inflammation. METHODS: A comprehensive search of PubMed, EMBASE, Scopus and Web of Science was conducted in February 2018 to identify all relevant studies using the following keywords: aloe vera, gingivitis, gingival inflammation, plaque-induced gingivitis, periodontal health and plaque control. The eligibility criteria were all randomized clinical trials that assessed the efficacy of aloe vera mouthrinse in comparison to chlorhexidine on plaque and gingivitis. The risk of bias of the included studies was assessed using the Cochrane risk of bias assessment tool. RESULTS: Six randomized clinical trials comprising 1358 subjects were included in this systematic review. All included studies showed that aloe vera was effective in reducing plaque and gingival inflammation. Four studies found aloe vera as effective as chlorhexidine in reducing plaque scores, while two studies found chlorhexidine significantly more effective than aloe vera. With regard to gingival inflammation, three studies showed comparable results between aloe vera and chlorhexidine, while one study showed better results with chlorhexidine. Moreover, the results showed that aloe vera had no or very minimal side effects compared to chlorhexidine, which showed significant side effects including stains and altered taste sensation. CONCLUSION: The available evidence remains inconclusive but suggests that aloe vera mouthwash is comparable to chlorhexidine in reducing gingival inflammation but inferior to chlorhexidine in reducing plaque. These findings are preliminary and further high-quality studies with adequate sample sizes are highly recommended.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».