Quantification of mast cells in oral reactive lesions - an immunohistochemical study.
Notice bibliographique
Résumé
BACKGROUND: Reactive lesions (RLs) are the most common oral mucosal lesions that are benign in nature and are more likely to reoccur if the lesion or local irritants at the site are not completely removed. The histopathology is usually determined by the stage of the lesion, which includes neovascularization, inflammation, and fibrosis etc. Aim: To evaluate and compare mast cell counts in different reactive lesions with normal gingiva (NG) and to determine the correlation between mast cell count and inflammation, fibrosis, and angiogenesis using immunohistochemistry. MATERIALS & METHODS: 10 pyogenic granulomas (early and late), 10 irritational fibromas, 5 inflammatory fibrous hyperplasia, and 5 peripheral cemento-ossifying fibromas 5 normal gingiva were evaluated. Mast cell counts were compared. ANOVA and t-tests were used to analyze the data. Spearman correlation was used to compare the mast cell count to the inflammation, fibrosis, and vascular components. A p-value of 0.05 was considered statistically significant. RESULTS: The mean number of mast cells were increased in oral reactive lesions when compared to NG. Although mast cells were significantly higher in IFH and IF, there was no correlation found among mast cells and fibrosis/inflammation/vascularity. CONCLUSION: Reactive process involves multiple interactions among mast cells, endothelial cells, fibroblasts, and other immune cells, among which the role of mast cells has been evaluated. Mast cell count increases in these reactive lesions, possibly reflecting an important role in microenvironment modification, but it is not the sole cause of these lesions' pathogenesis.
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) | 0,000 | 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 ».