The Association of Salivary Cytokines and Oral Health in patients with Metabolic Diseases: A Systematic Review
Notice bibliographique
Résumé
(1) Backrgound: Saliva is a complex biofluid secreted by the salivary glands and contains many biomolecules, such as cells, DNA, RNA, large number of proteins, hormones, metabolites and microorganisms. This systematic review aimed to identify and assess the association of salivary cytokines and oral health in patients with metabolic diseases. (2) Methods: Four databases (Scopus, PubMed, ScienceDirect, and Embase) were searched for articles published from 2013 to 2023, and the search process was conducted on October 9th, 2023. The studies included were the original articles of observational medical studies published in English that reported the association of salivary cytokines in patients with oral diseases and systemic diseases focusing on metabolic syndrome (diabetes mellitus and obesity). Those excluded were in vivo and in vitro studies, and no abstract was presented. The risk of bias in selected studies was assessed using the Newcastle-Ottawa Scale. (3) Results: Eight original articles with 481 subjects were included in the systematic review, with IL-17 being the most studied. Some of the pro and anti-inflammatory cytokines like IL-17A, IL-4, IL-13, IL-12, IL-2, IL-10, G-CSF, GM-CSF, MCP-4, hs-CRP, vaspin, TNF-α, IL-7, MCP-4, hs-CRP, IL-6, and MIP-1β were higher among metabolic syndrome patients with oral diseases when compared to healthy controls. Moreover, the pro and anti-inflammatory cytokines like Del-1 and IFNγ were higher in healthy controls than in patients with metabolic syndrome and oral diseases. (4) Conclusion: The salivary cytokines of MCP-4, hs-CRP, IL-6, TNF-α, IL-8, IL-7, and MIP-1β were affected by metabolic syndrome and oral diseases such as periodontitis and caries, which shows that metabolic diseases change some of the salivary cytokine profiles related to oral diseases. Metabolic diseases impact the profile of salivary cytokines through a combination of immunological dysregulation, systemic inflammation, tissue-to-tissue communication, adipose tissue malfunction, and oral health factors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».