Oxidative stress markers as a diagnostic tool in oral cancer and premalignant lesions: A systematic review
Notice bibliographique
Résumé
Background. Oral cancer is the eighth leading cause of cancer-related mortality worldwide, particularly prevalent in regions with high tobacco and betel nut consumption. The associated high mortality and morbidity rates could be reduced through early detection, prompting researchers to focus on identifying early markers of carcinogenesis. Methods. This systematic review evaluated the effectiveness of oxidative stress markers as diagnostic tools. An electronic search was conducted in PubMed and Google Scholar to identify case‒control studies published between January 2000 and June 2024 that explored the use of oxidative stress markers as diagnostic biomarkers. A manual search was also performed in relevant journals, including oral oncology and oral diseases. Initially, 38 studies were screened, and after applying the inclusion criteria, only nine studies were included. The Newcastle-Ottawa Scale (NOS) tool was used to assess the risk of bias. Results. Eight studies were conducted in India, while one was from Saudi Arabia. These studies analyzed oxidative stress markers in oral squamous cell carcinoma (OSCC), oral submucous fibrosis (OSMF), and leukoplakia. Control groups were matched based on age and sex, with only two studies also considering socioeconomic status. A significant difference (P<0.05) in oxidative stress marker levels was observed between cases and controls, particularly in patients with OSCC and OSMF. Conclusion. Oxidative stress markers show promise as diagnostic and prognostic indicators. Standardized methodologies and therapeutic approaches targeting oxidative stress could enhance early detection and treatment, especially in resource-limited settings. However, the findings must be interpreted with caution due to methodological limitations, geographic bias, and the lack of inclusion of grey literature.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».