The Association Between High Cholesterol Levels and Severity of Periodontitis
Notice bibliographique
Résumé
Periodontitis is a common inflammatory condition affecting tooth-supporting structures, leading to tooth loss and is linked to systemic diseases, including cardiovascular disease. Objectives: To examine the association between high cholesterol levels and periodontitis severity in a sample from Lahore, Pakistan. Methods: A cross-sectional study was conducted at De' Montmorency College of Dentistry, Lahore, over six months. A total of 154 participants aged ≥40 years with periodontitis symptoms and without any systemic diseases were included. Participants were grouped based on the severity of periodontal disease status into no periodontitis group, mild disease group, moderate disease group, and severe periodontitis. Blood samples were collected and analyzed for lipid profile parameters. Multivariable regression analyses were performed, adjusting for age, gender, BMI, smoking, alcohol use, and exercise, to evaluate associations between lipid levels and periodontitis severity. Results: Severe periodontitis was found in 58 participants (37.7%). Multivariable regression indicated an inversely associated link between high-density lipoprotein cholesterol in blood and disease severity (p<0.05). Lower total cholesterol and higher triglyceride levels were associated with severe periodontitis (p<0.05). Logistic regression showed that participants with severe periodontitis had significantly higher values of the odds ratio of decreased high-density lipoprotein cholesterol (OR 1.34, 95% CI 1.05–1.72), total cholesterol (OR 1.26, 95% CI 1.02–1.55), and triglyceride levels (OR 1.48, 95% CI 1.12–1.96). Conclusions: It was concluded that severe periodontitis is greatly linked with lower high-density lipoprotein cholesterol and elevated triglyceride and total cholesterol levels, suggesting that periodontal health may influence lipid profile and increase cardiovascular disease risk.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».