Are Salivary Gland Ultrasonography Scores Associated with Salivary Flow Rates and Oral Health-related Quality of Life in Sjögren Syndrome?
Notice bibliographique
Résumé
Objective. Major salivary gland ultrasonography (SGUS) is a widely used imaging technique to evaluate salivary gland involvement in primary Sjögren syndrome (pSS). The aim of this study was to evaluate the relationship between SGUS, salivary flow rate (SFR) as an objective measure of the gland function, and oral health-related quality of life (OHRQOL) as a patient-reported outcome measure (PROM) in a pSS cohort. Methods. Sixty-six patients with pSS were examined by SGUS according to Hocevar and Milic scoring systems. Patients with inhomogeneity/hypoechoic areas with scores ≥ 2 in parotid and submandibular glands were classified separately as “severe glandular involvement.” Further, oral health, SFR, and Oral Health Impact Profile-14 (OHIP-14) for OHRQOL were assessed. Results Both total Hocevar and Milic scores were higher in 21 pSS patients with low unstimulated whole salivary flow rate (U-WSFR) than 45 pSS patients without low U-WSFR ( P = 0.001 and P < 0.0001, respectively). Increased scores of homogeneity, hypoechoic areas and glandular border visibility were observed in patients with low U-WSFR ( P < 0.05). Among these variables, homogeneity score was found to be an independent risk factor for low U-WSFR in pSS according to logistic regression analysis (OR 1.586, P = 0.001). Moreover, a higher OHIP-14 score was observed in severe parotid involvement compared to nonsevere cases (23.26 ± 21.19 vs 8.32 ± 13.82, P = 0.004). Conclusion. High Milic and Hocevar SGUS scores are associated with reduced SFR and poor OHRQOL as a PROM. The inhomogeneity component of the SGUS score is associated with low U-WSFR and is an indicator of severely affected gland function.
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) | 0,001 | 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 ».