Association entre la sévérité de la parodontite et les marqueurs de l'athérosclérose préclinique : une revue systématique de la littérature
Bibliographic record
Abstract
Objectif : L’objectif de cette revue systématique était d’évaluer l’association entre la sévérité de la parodontite et les marqueurs de l’athérosclérose préclinique. Méthodes : Une recherche électronique a été menée sur trois bases de données jusqu’à Avril 2016. Les recherches manuelles et de littérature grise ont été également inclues. Un relecteur a sélectionné les études, évalué le risque de biais à l’aide de l’échelle Newcastle-Ottawa et extrait les données. La recherche a retrouvé 64 références initialement. Résultats : Après sélection des articles, 18 études ont été inclues dans la revue systématique (6 cas- témoins et 12 transversales). Les études ont rapporté une association entre sévérité de la parodontite et athérosclérose préclinique, notamment l’épaisseur des parois artérielles, la présence de plaques et/ou calcifications intra-coronaires, la dysfonction endothéliale mais aussi certains marqueurs biologiques tels que les taux de protéine C-réactive (CRP), fibrinogène, triglycérides et cholestérol HDL. La majorité des études avaient un faible risque de biais selon l’étude de qualité. Conclusion : Une association existe entre sévérité de la parodontite et athérosclérose préclinique. Le faible niveau de preuve des études et la variabilité des critères diagnostiques de la parodontite ne permettent pas de conclure de façon définitive, ni de réaliser une méta-analyse. Des essais multicentriques à grande échelle étudiant l’effet de la thérapeutique
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.052 | 0.125 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.007 | 0.007 |
| Bibliometrics | 0.013 | 0.012 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".