MétaCan
Menu
Retour à la cohorte
Enregistrement W3006641869 · doi:10.3390/jcm9020517

Management of Streptococcus mutans-Candida spp. Oral Biofilms’ Infections: Paving the Way for Effective Clinical Interventions

2020· review· en· W3006641869 sur OpenAlexaff
Bahare Salehi, Dorota Kręgiel, Gail B. Mahady, Javad Sharifi‐Rad, Natália Martins, Célia F. Rodrigues

Notice bibliographique

RevueJournal of Clinical Medicine · 2020
Typereview
Langueen
DomaineDentistry
ThématiqueOral microbiology and periodontitis research
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesFundação para a Ciência e a TecnologiaMinistério da Ciência, Tecnologia e Ensino Superior
Mots-clésMedicineBiofilmStreptococcus mutansOral microbiologyCandida albicansMicrobiologyIntensive care medicineDentistryBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

Oral diseases are considered the most common noncommunicable diseases and are related to serious local and systemic disorders. Oral pathogens can grow and spread in the oral mucosae and frequently in biomaterials (e.g., dentures or prostheses) under polymicrobial biofilms, leading to several disorders such as dental caries and periodontal disease. Biofilms harbor a complex array of interacting microbes, increasingly unapproachable to antimicrobials and with dynamic processes key to disease pathogenicity, which partially explain the gradual loss of response towards conventional therapeutic regimens. New drugs (synthesized and natural) and other therapies that have revealed promising results for the treatment or control of these mixed biofilms are presented and discussed here. A structured search of bibliographic databases was applied to include recent research. There are several promising new approaches in the treatment of Candida spp.–Streptococcus mutans oral mixed biofilms that could be clinically applied in the near future. These findings confirm the importance of developing effective therapies for oral Candida–bacterial infections.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,237
Tête enseignante GPT0,565
Écart entre enseignants0,328 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetOral microbiology and periodontitis researchTravaux en français237 207