Evaluation of the antimicrobial effect of cannabidiol (CBD) in a multispecies subgingival biofilm model
Notice bibliographique
Résumé
Background This study evaluated the antimicrobial effect of cannabidiol (CBD) on a multi-species subgingival biofilm model.Materials and methods Biofilms were formed using 33 bacterial species on a Calgary device. Two protocols were tested: (A) biofilm in contact with CBD (125, 250 and 500 µg/mL) and chlorhexidine 0.12% (CHX) for the entire period; (B) treatments with CBD (500 and 1000 µg/mL) and CHX started on day 3, twice a day, for 1 minute. The total biofilm counts, the proportion of complexes, and the counts of each species were evaluated by DNA-DNA hybridization (Checkerboard).Results In Experiment A, CBD at concentrations of 250 and 500 µg/mL, as well as CHX, significantly reduced the total biofilm count. At 500 µg/mL, CBD also decreased the proportion of the red complex and reduced the counts of 10 bacterial species, whereas CHX affected 20 species. In Protocol B, both CBD at 1000 µg/mL and CHX reduced the total biofilm count and the proportion of the red complex, while increasing the proportion of the green complex. Both protocols led to a reduction in Porphyromonas gingivalis and Tannerella forsythia.Conclusion CBD reduced the total bacterial count and the red complex, inhibiting known periodontal pathogens. Within the limitations, the results provide exploratory evidence that CBD may reduce the total bacterial count in the proposed polymicrobial biofilm model, including the red complex bacteria, and may thus be postulated as an inhibitor of known periodontal pathogens. However, future in vivo studies with robust sample sizes and standardized CFU-based quantification are required to confirm these findings.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».