A systematic review of the protein composition of whole saliva in subjects with healthy periodontium compared with chronic periodontitis
Notice bibliographique
Résumé
CONTEXT: Periodontitis is a chronic multifactorial inflammatory disease linked to oral microbiota dysbiosis. This disease progresses to infection that stimulates a host immune/inflammatory response, with progressive destruction of the tooth-supporting structures. OBJECTIVE: This systematic review aims to present a robust critical evaluation of the evidence of salivary protein profiles for identifying oral diseases using proteomic approaches and summarize the use of these approaches to diagnose chronic periodontitis. DATA SOURCES: A systematic literature search was conducted from January 1st, 2010, to December 1st, 2022, based on PICO criteria following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines and by searching the three databases Science Direct, Scopus, and Springer Link. STUDY SELECTION: According to the inclusion criteria, eight studies were identified to analyze the proteins identified by proteomics. RESULTS: The protein family S100 was identified as the most abundant in patients with chronic periodontitis. In this family, an increased abundance of S100A8 and S100A9 from individuals with the active disease was observed, which strongly relates to the inflammatory response. Moreover, the ratio S100A8/S100A9 and the metalloproteinase-8 in saliva could differentiate distinct periodontitis groups. The changes in protein profile after non-surgical periodontal therapy improved the health of the buccal area. The results of this systematic review identified a set of proteins that could be used as a complementary tool for periodontitis diagnosis using salivary proteins. CONCLUSION: Biomarkers in saliva can be used to monitor an early stage of periodontitis and the progression of the disease following therapy.
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 | 0,010 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».