Impact of Cigarette Smoking on Peri-implant Cytokine Profiles: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Abstract Studies have suggested that cigarette smoking may increase inflammation around dental implants by inducing higher levels of proinflammatory cytokines in diseased and healthy implants. The purpose of this article is to systematically compare peri-implant cytokine profiles around healthy and diseased implants in smokers versus non-smokers. Using appropriate MeSH and keywords, an online search was conducted for prospective clinical studies in which the peri-implant cytokines in healthy and diseased dental implants in smokers were compared with those in non-smokers. The data and outcomes were tabulated, and the quality of the literature was assessed. Meta-analysis was conducted on cytokines that had been evaluated in more than one study. Of the 1,592 items, 10 articles were included in this review. In heathy dental implants, cigarette smoking had a statistically insignificant effect on the cytokine profile. During peri-implantitis, smoking had a more significant effect on the levels of proinflammatory cytokines such as IL-1β and MMP-9, but there was significant heterogeneity between the studies and the sample size was not adequate to ascertain the overall long-term impact. Nine out of 10 studies in this review had several sources of bias and were of low quality, and one study had a moderate quality. Within the limits of this systematic review, it may be suggested that cigarette smoking aggravates peri-implantitis by influencing the cytokine profile to proinflammatory. The effect of cigarette smoking on clinically healthy implants is uncertain.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».