Oral Leukoplakia Microbiome Predicts the Degree of Dysplasia and is Shaped by Smoking and Tooth Loss
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to determine if the oral potentially malignant disorder, oral leukoplakia (OLK), exhibited microbiome changes that predict the degree of dysplasia and the risk of malignant progression. RESULTS: We examined the microbiome in 216 swabs of OLK from 177 patients. Compared to healthy controls (n = 120 swabs from 61 patients), who were less likely to smoke and had better oral health, OLK patients exhibited an increased abundance of Rothia mucilaginosa, Streptococcus parasanguinis and S. salivarius, resembling acetaldehyde generating communities described previously. Compared to the patients' healthy contralateral normal (CLN) mucosa (n = 202), which acts as a matched control for oral health parameters, OLK exhibited increased S. infantis, Leptotrichia spp., Bergeyella spp., Porphyromonas spp. and F. nucleatum. Machine learning with clinical and microbiome data could discriminate high-risk dysplasia (moderate to severe) from low-risk dysplasia (none or mild) (sensitivity 87.4%; specificity 76.5%). Follow-up swabs were recovered from 58 patients, eight of whom progressed to a higher grade of dysplasia or OSCC and these eight patients exhibited a higher abundance of Fusobacterium species at their initial presentation. CONCLUSIONS: Our study suggests that the OLK microbiome has potential to be an aid to the prediction of dysplasia grade and the risk of malignant transformation.
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 | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».