MétaCan
Menu
Retour à la cohorte
Enregistrement W3185109389 · doi:10.11480/jmds.680010

Relationship between taste sensitivity and dental caries

2021· article· en· W3185109389 sur OpenAlexaff
Makoto Arakawa, Jun Kaneko, Vivianne Cruz de Jesus, H Sonoda, Naomi Yoshida, Junji Tagami

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésTasteDentistryMedicineSensitivity (control systems)Food scienceChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Dental caries is still one of the most common diseases to afflict mankind. It affects 34.1% of the global population. Some studies have reported that individuals with high sugar intake have higher dental caries rates. However, the physiological mechanisms underlying an individual’s craving for sweet substances were not well documented. It was also reported that taste sensitivity may be associated with the preference for or rejection of some foods. Sweet preference has been linked to bitter taste sensitivity to 6-n-propylthiouracil (PROP). The PROP impregnated paper strip is proved to be a useful tool in determining the inherent sensitivity levels (super-taster, medium-taster, and non-taster) to bitter and sweet tastes. The purpose of this study is to evaluate the relationship between taste sensitivity to PROP and dental caries. The results showed a significantly larger number of untreated dental caries lesions among non-tasters compared to super-tasters. However, there was no statistically significant difference in the DMFT index value among the three groups. These results suggest that taste sensitivity to PROP could be a useful screening tool to identify individuals with high dental caries risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,030
Tête enseignante GPT0,282
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207