Diagnostic salivary biomarkers in oral cancer and oral potentially malignant disorders and their relationships to risk factors – A systematic review
Notice bibliographique
Résumé
INTRODUCTION: Oral squamous cell carcinoma (OSCC) and oral potentially malignant disorders (OPMD) are a significant health burden globally. Smoking, alcohol, and betel quid are the main risk factors. Lack of screening methods has been highlighted as a significant challenge in management. Salivary biomarkers are proposed as noninvasive diagnostic tools. The aim of this systematic review was to study salivary biomarkers reported in OSCC and OPMD. Specific objectives were to select a salivary biomarker panel suitable for early detection of OSCC and OPMD and to assess relationships between salivary biomarkers and risk factors. METHODS: Electronic literature search was conducted in academic databases (Scopus, Medline, Embase and Web of Science) without any restrictions. Following calibration, two blinded reviewers screened the studies and extracted data. A risk of bias assessment was conducted using Newcastle Ottawa scale. 295 studies were included with descriptive data analysis. EXPERT OPINION: A salivary biomarker panel including Interleukin (IL) 1β, IL6, and IL8 was selected for OSCC and OPMD. Reported relationships between salivary biomarkers and risk factors are discussed and research gaps are highlighted. Future research should be directed to assess potential salivary biomarkers and their relationships to risk factors in order to understand the biomarker's role in disease initiation.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».