-
2025.4.2 NLRP3炎性小体调控慢性牙周炎的研究进展
慢性牙周炎(CP)是牙周病原菌感染所导致的宿主过度免疫炎症反应性疾病。作为机体防御系统的感受器,炎性小体是一类可识别细胞内病原相关分子模式(pathogen associated molecular patterns,PAMPs)或宿主来源的损伤相关分子模式(damage associated molecular patterns,DAMPs)的多蛋白复合物,可激活固有免疫并调...
-
2025.4.2 牙骨质撕裂临床诊治的研究进展
牙骨质撕裂是一种特殊类型的牙根表面折裂,指牙骨质沿牙骨质-牙本质界(dentino-cemental junction,CDJ)或牙骨质生长线部分或完全脱离,可累积部分牙本质形成牙骨质-牙本质裂。目前普遍认为因牙骨质及CDJ固有结构的薄弱而产生的内部因素和与应力相关的外部因素是导致牙骨质撕裂发生和发展的重要机制。 在2018 年牙周病新分类中,牙骨质撕裂被归为牙齿局部相...
-
2025.3.31 无机焦磷酸盐及其相关调控因子对牙周支持组织的矿化调控作用
牙周炎是发生在牙周支持组织上的慢性感染性疾病,可造成牙周软硬组织的丢失。牙周炎的治疗目标是控制感染并使牙周组织再生。牙周组织再生的难点之一是如何精准调控不同牙周软硬组织的矿化过程,形成复杂的矿化与非矿化的有序结构。 无机焦磷酸盐(inorganic pyrophosphate, PPi)作为一种钙磷沉积的抑制剂,是组织矿化的重要调节因子,不仅参与调节矿化组织发育...
-
2025.3.31 晚期糖基化终产物在口腔鳞状细胞癌发展及治疗的研究进展
在全球范围内,口腔鳞状细胞癌(oral squamous cell carcinoma,OSCC)是最常见的癌症之一,给人类的健康造成了严重的威胁,尽管已经在手术治疗、放射治疗、化学治疗及生物治疗方面取得了长足的进步,但目前OSCC患者5年生存率仍低于60%。因此,了解OSCC恶性演进的分子机制十分重要,将有助于改善其预后和开发新的治疗方式。 近年来,大量的研究表明...
-
2025.3.26 口腔咬合临床应用的现状与进展
20世纪20年代,华西协和大学周少吾教授在解释咬合(occlusion)时,创造性地提出“”字,随后国内众多学者开始在学术交流时提及概念。例如1950年,在人民军医杂志刊登的《口腔卫生的一般介绍》一文中,对咬合作出如下定义:“咬合牙冠之咬合面,具多数之沟、窝及牙尖。 上下颌之牙齿,以一定的排列,并以尖窝之一定关系构成咬合,咬合之正常与否,关系牙齿及面部发育甚为重要”。在美国...
-
2025.3.26 上颌窦解剖结构及其与上颌后牙显微根尖手术的关系
目前,在牙髓和根尖周疾病的治疗中,根管治疗术(root canal therapy,RCT)是最常用、最有效的方法,但由于根管系统的复杂性,常规的根管治疗有时无法彻底控制感染,导致根尖周病变继续存在或进一步发展,而根管再治疗(root canal retreatment)的成功率往往低于初次根管治疗。 此外,在一些特殊情况中,例如已行桩核冠修复的患牙,如果根尖周...
-
2025.3.25 邻面接触区检测及恢复方法的研究进展
邻面接触区是指牙齿与同一牙弓内的相邻牙齿紧密接触的区域,即邻接区。恒牙列中除第三磨牙外,所有牙齿均存在2个邻接区,即近中邻面接触区和远中邻面接触区。该区域的存在是动态的,会随着年龄、咀嚼力量、牙齿排列等的变化而变化,临床上常以松紧度、位置、形状、面积等对其进行定性、定量研究和评估。 轮廓良好、位置正确、牢固的邻面接触区对于保持牙弓的完整性和支撑结构的健康至关重要,而且临...
-
2025.3.25 高糖微环境下的牙周治疗策略
糖尿病和牙周炎均是影响世界大范围人群的慢性疾病,并且糖尿病患者的牙周炎发病率明显升高。糖尿病条件下的高糖微环境会加剧牙周组织的炎症程度,不利于组织的修复,给牙周治疗带来巨大困难。目前随着单细胞测序技术兴起,发现牙周组织中存在多种细胞类型,如上皮细胞、成纤维细胞以及多种免疫细胞,且有研究证实这些细胞在疾病的发生发展以及治疗过程中扮演了重要角色。 如成纤维细胞可招募炎症细胞...
-
2025.3.24 年轻恒牙牙髓疾病的临床治疗进展
年轻恒牙根尖孔尚未发育完成,釉质表面矿化程度低,易脱矿,髓腔大,髓角高,易受外界细菌侵袭,同时牙髓组织比成熟恒牙更疏松,未分化间充质细胞多,血管多,使牙髓有较强的修复再生能力。因此年轻恒牙的治疗方式应根据牙髓状态采取不同的治疗措施。 1.牙髓暴露的可复性 牙髓炎临床上牙髓暴露常发生在牙齿受外伤或龋坏组织去除的过程中。牙外伤患牙,如损伤范围仅限于牙冠,...
-
2025.3.24 生成式人工智能在口腔医学的应用潜力与挑战
生成式人工智能(generative artificial intelligence,简称生成式AI),也称“人工智能生成内容”(artificial intelligence generated content,AIGC),其目标是通过学习大量的训练数据来理解数据的概率分布,然后利用这种理解生成新的、类似于训练数据的内容,如图像、文本、音频等。 一些常见的生成...