Study of microRNAs in Gingival Crevicular Fluid as Periodontal Diseases Biomarkers: Systematic Review
Notice bibliographique
Résumé
AIM: The aim of this review was to identify the microRNAs (miRNAs) present in gingival crevicular fluid (GCF) that can be used as biomarkers for the diagnosis of periodontal diseases, and to determine which of them has a higher diagnostic yield for periodontitis. METHODS: The review was conducted following the Preferred Reporting Items for Systematic Reviews and Meta-Analysis guidelines (reference number CRD42024544648). The Pubmed, Scopus, Cochrane Library, Embase, Web of Science, and Google Scholar databases were searched for clinical studies conducted in humans investigating periodontal diseases and miRNAs in GCF. The methodological quality of the articles was measured with the Newcastle-Ottawa Scale. RESULTS: A total of 3222 references were identified in the initial literature search, and 16 articles were finally included in the review. The design of the studies was heterogeneous, which prevented a meta-analysis of the data. Most of the studies compared miRNA expression levels between patients with periodontitis and healthy controls. The most widely researched miRNA in periodontal diseases was miR-200b-3p and miR-146a. CONCLUSIONS: the miRNAs most studied are miR-146a, miR-200b, miR-223, miR-23a, and miR-203, and all of them except miR-203 have an acceptable diagnostic plausibility for periodontitis.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».