Decontamination of rough implant surfaces colonized by multispecies oral biofilm by application of leukocyte‐ and platelet‐rich fibrin
Notice bibliographique
Résumé
BACKGROUND: Decontamination of biofilm-infected rough implant surfaces is challenging. Platelet rich blood products have been shown to have anti-microbial properties against periodontal pathogens. Our aim was to investigate the effect of a potential biological implant surface disinfectant, leukocyte- and platelet-rich fibrin (L-PRF), on a mature oral multispecies biofilm on a rough titanium surface. METHODS: Sandblasted, large grit, acid-etched (SLA) titanium disks were inoculated with subgingival dental plaque and cultured anaerobically for 21 days. The L-PRF membranes were collected from 12 donors in three trials (four donors in each trial). The disks were rinsed with 0.9% NaCl and exposed to the cell-rich portion of the L-PRF membranes for 48 hours followed by scanning electron microscope (SEM) analysis immediately or after rinsing with 0.9% NaCl prior to fixation. The presence of platelet factor-4 in the rinse samples was analyzed by Western blotting. Remaining bacteria were quantified from SEM images of the implant surfaces and their numbers statistically compared. RESULTS: The L-PRF-treated samples without rinsing displayed numerous cells with multiple pseudopodia in immediate contact with bacteria that appeared perforated and increased in size. The cells were identified as platelets based on morphological criteria and by positive reaction for platelet factor-4 by Western blotting. After post-treatment rinsing, the L-PRF-treated disks displayed a significant reduction in bacterial counts (in average 92% reduction). CONCLUSION: Application of L-PRF significantly reduced bacterial counts on contaminated SLA titanium surface, most likely through anti-microbial action by platelets.
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 | 0,000 | 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 | 0,000 |
| 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 ».