MétaCan
Menu
Retour à la cohorte
Enregistrement W4392501640 · doi:10.1016/j.jobcr.2024.02.007

Regenerative potential of platelet concentrates in chronic oral mucosal lesions

2024· article· en· W4392501640 sur OpenAlexaff
Abdel-Hameed Hijazi, Faez Saleh Al‐Hamed, Faleh Tamimi, Sadeq Ali Al‐Maweri, Nader Hamdan, David J. Psutka, Peter Ta, Hagen Klieb

Notice bibliographique

RevueJournal of Oral Biology and Craniofacial Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePeriodontal Regeneration and Treatments
Établissements canadiensUniversity of AlbertaTrillium Health CentreUniversity of TorontoSunnybrook Health Science CentreHealth Sciences CentreMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineMucositisPemphigus vulgarisOral lichen planusOral mucosaQuality of life (healthcare)Oral medicineWound healingDermatologyPlatelet-rich plasmaChronic painCicatricial pemphigoidPlateletDentistrySurgeryPemphigoidInternal medicinePathologyImmunologyBullous pemphigoidPhysical therapyChemotherapy

Résumé

récupéré en direct d'OpenAlex

Chronic oral mucosal diseases (COMDs) represent a significant challenge for clinicians and patients. They are commonly associated with chronic pain and negative effects on healing and patient's quality of life. Regenerative medicine including the use of biological autologous blood-derived substances (e.g., platelet concentrates [PCs]), has been reported to improve healing and reduce pain in orthopedic and maxillofacial surgeries as well as chronic oral mucosal diseases. In this review, we aim to describe the different types of PCs and their applications in the management of COMDs such as lichen planus, mucositis, pemphigus vulgaris, mucous membrane pemphigoid, and plasma cell mucositis, in terms of healing potential, pain control, and quality of life. Overall, PC applications seem to enhance healing and reduce pain in patients with COMDs. However, due to the small sample size and the lack of standardized clinical trials, further research is required to support these findings.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,410
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,080
Tête enseignante GPT0,447
Écart entre enseignants0,366 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Oral Biology and Craniofacial ResearchMême sujetPeriodontal Regeneration and TreatmentsTravaux en français237 207