Evaluating the anti-<i>Candida</i> effects of selenium nanoparticles impregnated in acrylic resins: An in vitro study
Notice bibliographique
Résumé
Background. Candida albicans in the oral cavity causes denture-induced stomatitis, but current treatments have side effects and contribute to drug resistance. Selenium nanoparticles (SeNPs) show promise as an antimicrobial agent, but their effectiveness against C. albicans is unknown and warrants further research. Methods. Acrylic resins containing different concentrations of SeNPs (0.2, 2, and 10 g/mL) were formulated and evaluated against C. albicans isolates. The minimum inhibitory concentration (MIC) of SeNPs was determined, and a fungal biofilm was developed on acrylic samples. The quantity of biofilm was assessed using scanning electron microscopy (SEM) and optical density (OD) at 570 nm after staining with crystal violet. Statistical analysis was performed using STATA software, with Kruskal-Wallis and Mann-Whitney tests to establish significance (P<0.05). Results. The MIC of SeNPs was 25%. The OD in the group with 10% SeNPs was 0.477 and 0.547 in the group with 0.2%. Kruskal-Wallis test results showed that at least two groups among those studied had significant differences (P=0.0273). In pairwise comparisons, the differences between all the groups were statistically significant (P=0.049). SEM analysis confirmed the destruction of C. albicans cell walls, leading to reduced colonization, with the 10% group showing the highest efficacy. Conclusion. The study demonstrated that SeNPs are effective against C. albicans colonization when combined with acrylic resin. Specifically, SeNPs exhibited enhanced antifungal properties at a concentration of 10%. These findings confirm that SeNPs are a promising alternative to traditional antifungal agents for treating oral candidiasis and denture-induced stomatitis.
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 | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».