Sex-Based Diverse Plaque Microbiota in Children with Severe Caries
Notice bibliographique
Résumé
Severe early childhood caries (S-ECC) is a multifactorial disease that can lead to suffering and reduced oral health–related quality of life in young children. The bacterial and fungal composition of dental plaque and how children’s sex is associated with S-ECC are largely unknown. In this study, V4-16S rRNA and ITS1 rRNA gene amplicon sequencing was used to compare the plaque bacteriome and mycobiome of children <72 mo of age: 40 with S-ECC (15 males, 25 females) and 40 caries-free (19 males, 21 females). Health- and nutrition-related questionnaire data were also investigated. This study aimed to analyze potential sex-based differences in the supragingival plaque microbiota of young children with S-ECC and those caries-free. Behavioral and nutritional habit differences were observed between children with S-ECC and those caries-free and between male and female children. Overall, higher levels of Veillonella dispar, Streptococcus mutans, and other bacterial species were found in the S-ECC group as compared with caries-free controls ( P < 0.05). A significant difference in the abundance of Neisseria was observed between males and females with S-ECC ( P < .05). Fungal taxonomic analysis showed significantly higher levels of Candida dubliniensis in the plaque of children with S-ECC as compared with those caries-free ( P < 0.05), but no differences were observed with Candida albicans ( P > 0.05). Significant differences in the relative abundance of Mycosphaerella, Cyberlindnera, and Trichosporon fungal species were also observed between the caries-free and S-ECC groups ( P < 0.05). Machine learning analysis revealed the most important bacterial and fungal species for classifying S-ECC versus caries-free. Different patterns of crosstalk between microbial species were observed between male and female children. Our work demonstrates that plaque microbiota and sex may be important determinants for S-ECC and could be factors to consider for inclusion in caries risk assessment tools.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».