Bridging Oral Pathology with Diagnostics by Comparative Analysis of Oral Fibrosis as a Precursor to Carcinogenesis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Oral Submucous Fibrosis (OSF) is a chronic, potentially malignant condition that causes progressive fibrosis of the oral mucosa because people consume areca nuts. The purpose of this systematic review and meta-analysis was to compile the most recent data on molecular changes in OSF and assess how they relate to malignant transformation. Methods: A PRISMA-guided thorough search of PubMed, Scopus, Web of Science, and Google Scholar was carried out through March 2025. Original studies assessing molecular or cellular alterations in OSF (with or without comparisons to oral squamous cell carcinoma (OSCC) or normal mucosa) were eligible. RevMan 5.4 was used to conduct the meta-analysis, and GRADE was used to evaluate the degree of evidence certainty, the Newcastle Ottawa tool, and the QUIN Tool for risk of bias. Results: Eleven studies satisfied the requirements to be included. The main molecular changes were abnormal expression of p53 and Ki67, upregulation of hTERT, shifts in EMT markers, and dysregulation of TGF-β/SMAD signaling. The pooled effect sizes for EMT stemness -0.67 [-1.09, -0.25, I2 = 0%, p=0.0016], for proliferation 4.49 [1.68, 7.29, I2= 96.8%, p=0.0017], for telomerase activation -0.63 [-5.93, 4.68, I2 = 98.3%, p= 0.8172], for signaling pathway mediators -429.76 [-1289.16, 429.94, I2 = 98.2%, p = 0.3272]. The investigators assigned a moderate rating to evidence certainty. Discussion: The molecular alterations in OSF are persistent and strongly suggest a risk of malignant cell transformation. Healthcare practitioners may be able to improve their early disease detection and risk level classification with the use of molecular biomarkers.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 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 ».