Detection of periodontal disease activity based on histatin degradation in individuals with cerebral palsy
Notice bibliographique
Résumé
Objectives: This proof-of-concept study aimed at evaluating the proteolytic profile of histatin 1 and 5 in saliva of adolescents with spastic cerebral palsy (CP) with gingivitis. Methods: This cross-sectional study included 24 individuals allocated into three groups: G1 (CP with gingivitis; n = 8), G2 (without CP and without gingivitis; n = 8), and G3 (without CP and with gingivitis; n = 8). The gingival index (GI) and simplified oral hygiene index (OHI-S) were evaluated. Whole saliva was collected and used to assess the rate and mode of histatin 1 and 5 at different times. The degradation products were visualized after cationic PAGE and the protein band densities (BDs) were compared with a protein standard. Fragmentation products were collected from the gel, pooled by group and characterized by mass spectrometry. BDs and gingival health parameters were analyzed by One-Way ANOVA or Kruskal Wallis tests, whereas poisson multilevel regression was used to the factors that influenced histatin degradation (α = 5%). Results: Groups G1 and G3 differed significantly on OHI-S, visible biofilm, oral calculus and GI (p < 0.001). Poisson Regression showed that: 1) CP and gingivitis influenced the degradation of histatin 1 and 5 (p < 0.05); 2) The degradation of histatin 5 was influenced by age and male sex (p < 0.05); and 3) GI influenced significantly the degradation of histatin 1 (p < 0.001). Unique histatin degradation peptides were identified in individuals with gingivitis. Conslusions: These data demonstrated that both the kinetics and pattern of histatins degradation differ according to the gingival health or disease conditions.
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) | 0,000 | 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) | 0,001 | 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 ».