MétaCan
Menu
Retour à la cohorte
Enregistrement W4379052900 · doi:10.3389/fdmed.2023.1163562

Innovative biomaterials for the treatment of periodontal disease

2023· review· en· W4379052900 sur OpenAlexaff
Yi Zhu, Tao Chen, Cynthia Goh, Annie Shrestha

Notice bibliographique

RevueFrontiers in Dental Medicine · 2023
Typereview
Langueen
DomaineDentistry
ThématiqueOral microbiology and periodontitis research
Établissements canadiensMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesAmerican Association of Endodontists Foundation
Mots-clésRegeneration (biology)PeriodontitisDebridement (dental)MedicineDentistryBone resorptionRegenerative medicineIntensive care medicineStem cellBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Periodontitis is a multifactorial disease that involves the destruction of hard and soft tissues surrounding the tooth. Routine periodontal treatment includes mechanical debridement (surgical and non-surgical) and the systemic administration of antibiotics. In contrast, severe and chronic periodontitis involves aggressive tissue destruction and bone resorption, and the damage is usually irreversible. In these severe cases, bone grafts, the delivery of growth hormones, and guided tissue regeneration can all be used to stimulate periodontal regeneration. However, these approaches do not result in consistent and predictable treatment outcomes. As a result, advanced biomaterials have evolved as an adjunctive approach to improve clinical performance. These novel biomaterials are designed to either prolong the release of antibacterial agents or osteogenic molecules, or to act as immunomodulators to promote healing. The first half of this review briefly summarizes the key immune cells and their underlying cellular pathways implicated in periodontitis. Advanced biomaterials designed to promote periodontal regeneration will be highlighted in the second half. Finally, the limitations of the current experimental design and the challenges of translational science will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,901

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,106
Tête enseignante GPT0,422
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Dental MedicineMême sujetOral microbiology and periodontitis researchTravaux en français237 207