Periodontitis: Microbial Dysbiosis, Non‐Resolving Inflammation, or Both?
Notice bibliographique
Résumé
The central question addressed in this review revisits the historical chicken-and-egg debate: "In periodontitis, does microbial dysbiosis drive inflammation, or does inflammation shape the subgingival microbiome?" This question is reframed through the lens of inflammation resolution. Specialized pro-resolving mediators (SPMs) provide a mechanistic framework for understanding how inflammation intersects with microbial dysbiosis. Derived from omega-3 and omega-6 fatty acids, SPMs actively promote the resolution of inflammation through binding of specific cell surface receptors rather than nonspecifically suppressing it, highlighting their therapeutic potential as side-effect-free host modulators, with implications beyond periodontitis to other chronic inflammatory diseases. The evidence reviewed shows how SPMs can: (1) control inflammation by resolution rather than inhibition, (2) reverse microbial dysbiosis as a consequence of inflammation control, and (3) promote tissue regeneration through diverse biological pathways. Whether the primary dysregulation in periodontitis lies solely in resolution failure or involves additional-possibly still unidentified-mechanisms, remains unclear. All individuals harbor periodontal pathobionts, yet only a subset develop severe disease. Why do some individuals with significant biofilm accumulation maintain attachment levels, while others with reasonable plaque control become edentulous? This remains one of the most significant unanswered questions in periodontology. What is evident, however, is the need for a paradigm shift. While bacteria initiate the inflammatory process in all individuals, it is the host response that ultimately determines the progression to periodontitis.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».