The role of azurocidin and its implications in periodontal and peri-implant disease: A systematic review
Notice bibliographique
Résumé
OBJECTIVES: This systematic review aimed to explore the role of Azurocidin (Azu) in the pathogenesis of periodontal and peri-implant disease and its potential use as an inflammatory biomarker. MATERIALS AND METHODS: Four electronic databases were used for study identification: PubMed, Google Scholar, ScienceDirect, and Scopus from Oct 10, 1991 to Jul 15, 2024. Study selection and data extraction were performed in a blinded and independent manner. The Joanna Briggs Institute (JBI) tool was used to assess the quality of cross-sectional articles, and the Newcastle-Ottawa scale was used to assess cohort studies. RESULTS: Out of 222 identified articles, nine studies met the inclusion criteria. These studies included 462 participants: 156 with healthy teeth and implants and 306 with periodontal conditions such as gingivitis, periodontitis, apical periodontitis, peri-implant mucositis, and peri-implantitis. A total of 1313 samples were analyzed (163 saliva, 118 PICF, 1003 GCF, 11 gingival tissue, and 18 infected root canals). ELISA was the most common method for azurocidin analysis (66.6 %), followed by LC-MS/MS (33.3 %), nLC-MS/MS (11.1 %), and Western Blot (11.1 %). Azu levels were consistently elevated in individuals with periodontitis compared to periodontally healthy subjects. CONCLUSIONS: Azu may contribute to the inflammatory processes in periodontal and peri-implant diseases. Although elevated levels are observed in periodontitis, its diagnostic value remains unclear due to limited and heterogeneous data.
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) | 0,002 | 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 ».