MétaCan
Menu
Retour à la cohorte
Enregistrement W3210750884 · doi:10.3390/nu13113722

Improved Healing after Non-Surgical Periodontal Therapy Is Associated with Higher Protein Intake in Patients Who Are Non-Smokers

2021· article· en· W3210750884 sur OpenAlexaff
David W. Dodington, Hannah E. Young, Jennifer R. Beaudette, Péter Fritz, Wendy E. Ward

Notice bibliographique

RevueNutrients · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésMedicineWound healingDentistryInternal medicineGastroenterologySurgery

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to determine whether a relationship between periodontal healing and protein intake exists in patients undergoing non-surgical treatment for periodontitis. Dietary protein intake was assessed using the 2005 Block food frequency questionnaire in patients with chronic generalized periodontitis undergoing scaling and root planing (n = 63 for non-smokers, n = 22 for smokers). Protein intake was correlated to post-treatment probing depth using multiple linear regression. Non-smoking patients who consumed ≥1 g protein/kg body weight/day had fewer sites with probing depth ≥ 4 mm after scaling and root planing compared to patients with intakes <1 g protein/kg body weight/day (11 ± 2 versus 16 ± 2, p = 0.05). This relationship was strengthened after controlling for baseline probing depth, hygienist and time between treatment and follow-up (10 ± 2 versus 16 ± 1, p = 0.018) and further strengthened after controlling for potential confounders including age, sex, body mass index, flossing frequency, and bleeding on probing (8 ± 2 versus 18 ± 2, p < 0.001). No associations were seen in patients who smoked. Consuming ≥1 g protein/kg body weight/day was associated with reductions in periodontal disease burden following scaling and root planing in patients who were non-smokers. Further studies are needed to differentiate between animal and plant proteins.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,016
Tête enseignante GPT0,274
Écart entre enseignants0,258 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetNutrition and Health in AgingTravaux en français237 207