Relación entre la erosión dental y la medicación para el asma en niños: una revisión sistemática
Bibliographic record
Abstract
Introducción: La erosión dental es una alteración que afecta la integridad de los dientes y tiene diversas etiologías. Se menciona que los medicamentos para el asma pueden ser un factor etiológico, sin embargo, los estudios no logran aclarar la posible asociación entre estas variables en niños con asma. Objetivo: Determinar la relación entre la erosión dental y el consumo de medicamentos para el asma en pacientes pediátricos, mediante una revisión sistemática de artículos publicados. Materiales y métodos: Una búsqueda sistemática fue realizada en las bases de datos MEDLINE (vía PubMed), Scopus, Web of Science, Scielo, Cochrane Library, Embase, LILACS y literatura gris (vía Open Gray). Dos investigadores de manera independiente seleccionaron los artículos de acuerdo con la pregunta PEOS en conjunto con el programa Rayyan. La escala Newcastle-Ottawa fue empleada para determinar el riesgo de sesgo. Resultados: De los 120 registros identificados, seis artículos fueron seleccionados en base a los criterios de inclusión. Tres estudios demostraron la mayor prevalencia de la erosión dental en niños con medicación para asma a diferencia de los niños sanos, mientras que otros tres estudios refirieron una mayor prevalencia de lesiones erosivas en los niños sanos. Conclusión: El consumo de medicamentos para el asma no fue un factor determinante para la aparición de lesiones erosivas en los dientes en pacientes pediátricos con esta condición sistémica.
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 | 0.030 | 0.050 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.006 |
| Bibliometrics | 0.026 | 0.016 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".