Assessment of inflammatory cytokines in gingival crevicular fluid for diagnostic differentiation of apical periodontitis
Notice bibliographique
Résumé
Introduction : Apical periodontitis (AP) is a chronic inflammatory condition resulting from microbial infection of the dental pulp. The host immune response and microbial interactions play a significant role in the disease’s progression. Gingival crevicular fluid (GCF) provides a valuable, non-invasive source for detecting inflammatory biomarkers involved in AP, such as IL-1β, IL-10, and IL-23. Aim : To evaluate the levels of IL-1β, IL-10, and IL-23 in GCF among individuals with symptomatic apical periodontitis (SAP), asymptomatic apical periodontitis (AAP), and healthy controls, and to assess their potential as diagnostic biomarkers. Materials and methods : This cross-sectional study included 90 participants aged 20–50 years, divided into three groups: SAP (n=30), AAP (n=30), and healthy controls (n=30). GCF samples were collected using Periostrips, and cytokine levels were measured using enzyme-linked immunosorbent assay (ELISA). Statistical analysis was performed using SPSS version 26, with significance set at p <0.05. Results : IL-1β, IL-10, and IL-23 levels were significantly elevated in the SAP group compared to the AAP and control groups ( p <0.01). IL-10 showed the highest diagnostic accuracy (AUC=0.806), followed by IL-1β (AUC=0.714). IL-23, although significantly elevated in SAP, had lower diagnostic value (AUC=0.636). Strong positive correlations were observed between IL-1β and IL-10, as well as IL-1β and IL-23. Conclusion : The elevated levels of IL-1β, IL-10, and IL-23 in GCF reflect their involvement in the inflammatory processes of apical periodontitis. IL-10 demonstrated the greatest potential as a diagnostic biomarker. These findings support the clinical utility of GCF cytokine profiling for non-invasive diagnosis and monitoring of AP progression.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».