MétaCan
Menu
Retour à la cohorte
Enregistrement W4389522686 · doi:10.52609/jmlph.v3i3.103

The Impact of Nigella sativa on Oral Health: A Scoping Review

2023· review· en· W4389522686 sur OpenAlexvenueno aff
Adnan Almaghlouth, Amani K. Abu Shaheen, Hadeel Suliman Alkhamis, Reema Ahmed Alswied, Nuha Abdulkarim Aloraini

Notice bibliographique

RevueThe Journal of Medicine Law & Public Health · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueNigella sativa pharmacological applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNigella sativaMedicineOral healthAdverse effectIntervention (counseling)Alternative medicineDentistryMEDLINEIntensive care medicineTraditional medicinePharmacologyPathologyNursing

Résumé

récupéré en direct d'OpenAlex

Introduction: Nigella sativa (NS) has been shown to improve periodontal health by reducing alveolar bone resorption and lowering periodontal indices and subgingival bacterial counts. However, public health and safety concerns are emerging, and there have been a few reported adverse effects associated with the use of NS. Thus, the current study aims to review clinical studies on the effectiveness NS for oral health conditions. Methods: The databases Pubmed and Google Scholar were used to search the literature; the year of publication was not restricted in the search. Studies conducted in animal models in laboratories, as well as those involving an intervention of NS in combination with other herbs, were excluded. Results: A total of thirteen human clinical studies that used NS as an intervention for treating different types of oral health conditions were included in this review. Improvement in clinical parameters was reported in all the included studies, although the statistical significance varied. Conclusion: Although the studies show that NS is beneficial in the treatment and management of oral health conditions, there is still a need for more rigorous research in this area, particularly in the application of NS in real-world clinical settings.

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)0,026
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
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 enseignants0,749
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
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 Opus0,427
Tête enseignante GPT0,579
Écart entre enseignants0,152 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Medicine Law & Public HealthMême sujetNigella sativa pharmacological applicationsTravaux en français237 207