Effect of high glucose levels and lipopolysaccharides‐induced inflammation on osteoblast mineralization over sandblasted/acid‐etched titanium surface
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Poorly controlled diabetes mellitus has been related to higher risk of implant treatment complications due to increased susceptibility to infection and delayed wound healing. Lipopolysaccharides (LPS) stimulate cytokine production leading to chronic inflammation and immunological host response that accentuates the destruction of periodontal tissues. This study aimed to evaluate the effect of different glycemic conditions on secretion and mineralization of bone matrix under sterile inflammation induced by LPS on osteoblasts seeded over sandblasted/acid-etched (SLA) titanium surface. MATERIALS AND METHODS: Osteoblast cell viability was performed to determine the influence of different glucose concentrations (5.5, 8, 12, and 24 mM), which were chosen to reflect normal, postprandial, and high glucose values, similar to those typically seen in Diabetes mellitus under clinical conditions. Cells were seeded on titanium SLA discs (Straumann AG, Waldenburg, Switzerland) and exposed to glucose concentrations and LPS (1μg/mL) in order to test inflammatory response (qPCR) and mineralization (Alizarin Red staining). RESULTS: Osteoblast viability was severely decreased when exposed to higher glucose levels (≥12 mM) and LPS (P < .05) compared to control. When the osteoblasts were exposed to LPS and glucose at ≥8 mM, the gene transcripts of inflammatory cytokines were ≈2.5-fold upregulated, while ≤8 mM glucose elicited no significant change compared to control without glucose treatment (P > .05). Osteoblasts exposed to LPS produced sparse extracellular matrix mineralization, especially combined with higher glucose values (≥12 mM), together with decreased calcium deposition compared to control (P < .05). CONCLUSIONS: High glucose levels combined with LPS inflammatory stimulation elicited an adverse effect on the volume and quality of mineralized hard tissue formation on SLA titanium surfaces in vitro. Hence, both normal glucose levels and infection control including low levels of circulating LPS during initial osseointegration period may be required to increase the success rate of dental implants.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».