A Systematic Review and Meta-Analysis Assessing the Role of Oral Health as a Risk Factor in Oral Cancer
Notice bibliographique
Résumé
Oral squamous cell carcinoma is the leading type of cancer in Southeast Asian countries and many parts of the world. Many factors increase the risk of oral cancer, like tobacco, betel nuts, alcohol consumption, sharp teeth, infections, and other factors. Oral health-related issues have been reported in many studies of oral cancer, but there is a need to understand the role of the same as a risk factor. The systematic review and meta-analysis were conducted to assess the role of oral health as a risk factor in oral cancer. The population diagnosed with oral cancer (P) of all age groups and both gender, exposure (E) is oral health (includes poor oral hygiene, periodontal disease, and other oral diseases excluding oral potentially malignant disorders (OPMD)), the comparator (C), is patients without oral health issues, outcome (O) is the role of poor oral health as a risk factor for oral cancer. A systematic review and meta-analysis were conducted. The databases used for the search were PubMed, Cochrane Database, Embase, Scopus, and Google Scholar. The unpublished reports, reviews, and grey literature were considered. Case-control studies were included assessing poor oral health as a risk factor with odds ratio as an effective measure. Newcastle Ottawa Scale for risk of bias in the case-control study was considered. The study results showed that tooth loss odds ratio (OR)=1.13, CI (0.99-1.26), I2 value of 71.7%, Oral hygiene OR=1.29, CI (1.04-1.54), I2 value of 19.7% and in periodontal diseases OR=2.14 CI (1.70-2.58), I2 value of 75.3% had a higher risk of developing oral cancer. The risk factors for tooth loss and periodontal disease showed moderate heterogenicity and less heterogenicity for oral hygiene. Poor oral health factors such as periodontal disease, poor oral hygiene, and loss of teeth show higher odds of oral cancer than the control. The periodontal disease shows the highest odds than other factors. These risk factors can be considered for the primordial prevention of oral cancer.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».