Bibliographic record
Abstract
Introducción: El modelo de salud tradicional, centrado en el control de los síntomas, ha mostrado limitaciones frente a enfermedades crónicas. Ante esto, surge la Medicina Biorreguladora de Sistemas (MBrS), un enfoque que promueve la autorregulación del organismo mediante tratamientos con medicamentos multicomponente y fitoterapéuticos. Su posible aplicación en odontología, especialmente en periodontitis, ha impulsado el estudio de diversas moléculas naturales con potencial para prevenir o reducir la resorción ósea. Esta revisión sistemática analiza cualitativamente la evidencia disponible en modelos animales y humanos. Metodología: Se realizó una revisión sistemática cualitativa según directrices PRISMA-P. Se incluyeron estudios en animales y en humanos, publicados en los últimos 10 años en inglés o castellano. La búsqueda se efectuó en cinco bases de datos (SciELO, CENTRAL, PubMed, LILACS y Web of Science) utilizando términos MeSH. La selección y análisis de datos se realizó en duplicado. Se aplicaron herramientas para evaluar riesgo de sesgo: SYRCLE para estudios en animales, Newcastle-Ottawa para estudios observacionales y RoB 2 para ensayos clínicos aleatorizados. Resultados: Se encontraron 1.252 artículos sobre caléndula, cafeína, piperina, curcumina y omega-3. Se seleccionaron 53 estudios según los criterios de inclusión y exclusión. La caléndula y la piperina redujeron la pérdida ósea e inflamación en modelos animales. La curcumina y el omega-3 mostraron estos efectos tanto en animales como en humanos. En el caso de la cafeína, la evidencia fue contradictoria, aunque se observó actividad antibacteriana en modelos experimentales. Conclusiones: En conjunto, las moléculas biorreguladoras han demostrado ser capaces de disminuir o prevenir la resorción ósea causada por periodontitis, tanto en estudios experimentales animales como en ensayos clínicos en humanos. Se requiere más evidencia que permita determinar con precisión la eficacia, seguridad y aplicabilidad terapéutica de cada una de ellas de forma individual.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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; both teacher heads agree on what is shown here.
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".