Hydrogen peroxide-based products alter inflammatory and tissue damage-related proteins in the gingival crevicular fluid of healthy volunteers: a randomized trial
Notice bibliographique
Résumé
Abstract Hydrogen peroxide (H 2 O 2 )-based products are effective in tooth whitening; however, their safety is controversial as they may harm patient tissues/cells. These effects are suggested to be concentration-dependent; nonetheless, to date, there are no reports on H 2 O 2 -mediated oxidative damage in the gingival tissue, and neither whether this can be detected in gingival crevicular fluid (GCF) samples. We hypothesize that H 2 O 2 whitening products may cause collateral oxidative tissue damage following in office application. Therefore, H 2 O 2 and nitric oxide (NO) levels were investigated in GCF samples obtained from patients undergoing dental bleaching with H 2 O 2 at different concentrations, in a randomized, double-blind, split-mouth clinical trial. A proteomic analysis of these samples was also performed. H 2 O 2 -based whitening products promoted inflammation which was detected in GCF samples and lasted for longer following 35% H 2 O 2 bleaching. This included time-dependent changes in NO levels and in the abundance of proteins associated with NO synthesis, oxidative stress, neutrophil regulation, nucleic acid damage, cell survival and/or tissue regeneration. Overall, H 2 O 2 -based products used in office promote inflammation irrespective of their concentration. As the inflammation caused by 35% H 2 O 2 is longer , patients may benefit better from using lower concentrations of this bleaching product, as they may result in less tissue damage.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».