The unrevealed links: periodontal health, human milk composition, and infant gut microbiome dynamics
Notice bibliographique
Résumé
AIM: This review aims to identify the mechanistic relationships related to periodontal diseases and its possible association with changes in human milk composition and the composition and function of infants' gut microbiome. BACKGROUND: known whether maternal oral inflammatory diseases, including periodontal diseases, deleteriously affect human milk composition. METHODS: A narrative review was conducted according to SANRA, the Scale for the Assessment of Narrative Review Articles, guidelines. PubMed, Google Scholar, and Cochrane database of systematic reviews were searched from September 2019 up to December 2023 using keywords such as breast/human milk, maternal health/infections, and periodontal diseases. Reference lists of relevant articles were also screened. Our primary outcome of interest was human milk composition (i.e., any changes in macronutrients, immunological components, etc.). Secondary outcomes included changes in human milk microbiome and subsequent changes in the infant gut microbiome. Outcomes were synthesized using a narrative approach where the existing evidence and current literature were summarized. No risk of bias assessment of the studies was performed in this review. FINDINGS: The search yielded no studies investigating the relationship between periodontal diseases in nursing mothers and changes in human milk composition. However, a dose-response relationship exists between the severity of periodontal diseases and the risk of adverse pregnancy outcomes such as preterm birth. Mastitis and diabetes affected milk lipids. Immunoglobulin A (sIgA) was increased in mastitis, whereas reduced concentrations were reported in diabetes. Potential biological pathways through which periodontal diseases can negatively affect human milk composition include the systemic dissemination of inflammatory cytokines like IL-6, PGE2, and tumor necrosis factor (TNF)-β that can be up-regulated by bacterial by-products. This biological plausibility needs to be investigated, given the potentially negative impact on the quality of human milk that could be caused by periodontal inflammation.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».