Where periodontitis meets metabolic syndrome—The role of common health‐related risk factors
Notice bibliographique
Résumé
OBJECTIVES: To analyse and compare associations between metabolic syndrome (MetS) and its components in periodontitis compared to control patients. METHODS: This 7-year cross-sectional study retrospectively analysed medical records of 504 individuals aged 18-90 who attended the student dental clinic between 2008 and 2014. Demographics, smoking habits, blood pressure, waist circumference, as well as presence of: periodontitis, MetS, diabetes, hypertension, hyperlipidaemia, stroke, heart disease, cancer and psychiatric disorders were recorded. RESULTS: The study population composed of 231 (45.8%) males and 273 (54.2%) females, with an average age of 55.79 ± 16.91 years. A patient profile associated with periodontitis was identified and included male sex, older age, smoking, higher smoking pack-years, abdominal obesity, higher systolic and diastolic blood pressures, the presence of MetS or its components, hypertension, hyperlipidaemia, diabetes or diseases associated with its consequences such as ischaemic heart disease and stroke. Following multivariate logistic regression analysis, age and smoking retained a significant association with periodontitis, whereas the systemic disorders did not. CONCLUSIONS: The association between periodontitis and MetS may be explained by shared common profile and risk factors. An appropriate risk factors management approach should be adopted by both dental and general health clinicians and health authorities, to control common high-risk behaviours.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».