Precisión diagnóstica de la combinación de biomarcadores salivales para la detección de periodontitis: una revisión sistemática

1 UNIVERSIDADE DE SANTIAGO DE COMPOSTELA FACULTADE DE MEDICINA E ODONTOLOXÍA TRABAJO FIN DE GRADO DE ODONTOLOGÍA Título del TFG: “Precisión diagnóstica de la combinación de biomarcadores salivales para la detección de periodontitis: una revisión sistemática”. Autor: Castañal Pérez, Miguel Tutora: Tomás Carmona, Inmaculada Cotutora: Blanco Pintos, Triana Departamento: Cirugía y especialidades médico-quirúrgicas Curso académico: 2019-2020 Convocatoria: Julio 2 RESUMEN Objetivo: Analizar, mediante un enfoque meta-analítico, la capacidad diagnóstica de los biomarcadores múltiples en saliva para la detección de la periodontitis en sujetos sistémicamente sanos. Material y métodos: La búsqueda de artículos se realizó en varias bases de datos electrónicas. Los artículos elegibles fueron aquellos que presentaban una tabla de contingencia binaria o valores de especificidad y sensibilidad en individuos con un diagnóstico clínico de periodontitis. La calidad metodológica se evaluó mediante la herramienta "Quality Assessment of Diagnostic Studies" (QUADAS-2). Resultados: La combinación de dos biomarcadores salivales formada por IL1beta e IL6, e IL6 y MMP8 se asociaron a porcentajes de sensibilidad del 94%-77% y especificidad del 98-72%. La combinación IL1beta y MMP8 presentó una sensibilidad del 88-76% y una especificidad del 97-72%. La combinación de tres biomarcadores salivales formada por IL1beta, IL6 y MMP8, presentó un porcentaje de sensibilidad del 94-76% y especificidad del 97-74%. La combinación de cuatro biomarcadores salivales formada por IL1beta, IL6, MIP1alpha y MMP8 presentó porcentajes de sensibilidad y especificidad que oscilaron entre 80-72.5% y 80-72.5%. Conclusiones: IL1beta e IL6, IL6 y MMP8, e IL1beta y MMP8 son las combinaciones de biomarcadores salivales más investigadas en el diagnóstico de periodontitis. El uso combinado de estos biomarcadores presenta una capacidad excelente o buena para detectar la periodontitis, y excelente o aceptable para detectar la condición de no periodontitis; esta capacidad diagnóstica no se incrementa al incorporar otros biomarcadores. Se constata que el uso en conjunto de estas combinaciones de dos biomarcadores salivales parece incrementar su rendimiento en el diagnóstico de periodontitis en comparación con el uso de estos mismos biomarcadores de forma individual, aunque debido a la heterogeneidad de los resultados encontrados se precisa mayor evidencia que corrobore estas observaciones. Palabras clave: multibiomarcadores, periodontitis, precisión diagnóstica, valores predictivos, prevalencia, sensibilidad, especificidad, revisión sistemática, saliva. 3 RESUMO Obxectivo: analizar, mediante un enfoque meta-analítico, a capacidade diagnóstica dos biomarcadores múltiples en saliva para a detección da periodontite en suxeitos sistémicamente sanos. Material e métodos: a búsqueda de artigos realizouse en varias bases de datos electrónicas. Os artigos elixibles foron aqueles que presentaban unha táboa de continxencia binaria ou valores de especificidade e sensibilidade en individuos cun diagnóstico clínico de periodontite. A calidade metodolóxica evaluouse mediante a ferramenta "Quality Assessment of Diagnostic Studies" (QUADAS-2). Resultados: A combinación de dous biomarcadores salivais formada por IL1beta e IL6, e IL6 e MMP8 asociáronse a porcentaxes de sensibilidade do 94%-77% e especificidade do 98- 72%. A combinación IL1beta e MMP8 presentou unha sensibilidade do 88-76% e unha especificidade do 97-72%. A combinación de tres biomarcadores salivais formada por IL1beta, IL6 e MMP8, presentou unha porcentaxe de sensibilidade do 94-76% e especificidade do 97-74%. A combinación de catro biomarcadores salivais formada por IL1beta, IL6, MIP1alpha e MMP8 presentou porcentaxes de sensibilidade e especificidade que oscilaron entre 80-72.5% e 80-72.5%. Conclusións: IL1beta e IL6, IL6 e MMP8, e IL1beta e MMP8 son as combinacións de biomarcadores salivais máis investigadas no diagnóstico da periodontite. O uso combinado destes biomarcadores presenta unha capacidade excelente ou boa para detectar a periodontite, e excelente ou aceptábel para detectar a condición de non periodontite; esta capacidade diagnóstica non se incrementa ao incorporar outros biomarcadores. Constátase que o uso en conxunto destas combinacións de dous biomarcadores salivais parece incrementar o seu rendemento no diagnóstico da periodontite en comparación co uso destes mismos biomarcadores de forma individual, aínda que debido á heteroxenidade dos resultados encontrados precísase dunha maior evidencia que corrobore estas observacións. Palabras chave: multibiomarcadores, periodontite, precisión diagnóstica, valores preditivos, prevalencia, sensibilidade, especificidade, revisión sistemática, saliva. 4 SUMMARY Objective: to analyze, through a meta-analytic approach, the diagnostic capability of multibiomarkers in saliva for the detection of periodontitis in systemically healthy subjects. Material and methods: the search for articles was performed in several electronic databases. The articles chosen were those that presented a binary contingency table or specificity and sensitivity values in individuals with a clinical diagnosis of periodontitis. The methodological quality was evaluated using the tool "Quality Assessment of Diagnostic Studies" (QUADAS-2). Results: The combination of two salivary biomarkers formed by IL1beta and IL6, and IL6 and MMP8 were associated with percentages of sensitivity of 94%-77% and specificity of 98-72%. The combination IL1beta and MMP8 presented a sensitivity of 88-76% and a specificity of 97-72%. The combination of three salivary biomarkers formed by IL1beta, IL6 and MMP8, presented a percentage of sensitivity of 94-76% and specificity of 97-74%. The combination of four salivary biomarkers formed by IL1beta, IL6, MIP1alpha and MMP8 presented percentages of sensitivity and specificity ranging from 80-72.5% to 80-72.5%. Conclusions: IL1beta and IL6, IL6 and MMP8, and IL1beta and MMP8 are the most researched combinations of salivary biomarkers in the diagnosis of periodontitis. The combined use of these biomarkers presents an excellent or good capacity to detect periodontitis, and excellent or acceptable capacity to detect the condition of non-periodontitis; this diagnostic capacity is not increased by incorporating other biomarkers. It is noted that the combined use of these two salivary biomarkers appears to increase performance in the diagnosis of periodontitis compared to the use of these same biomarkers individually, although due to the heterogeneity of the results found, more evidence is needed to corroborate these observations. Keywords: multibiomarkers, periodontitis, diagnostic accuracy, predictive values, prevalence, sensitivity, specificity, systematic review, saliva. 5 AGRADECIMIENTOS “Quisiera expresar todo el máximo agradecimiento a mi tutora Inmaculada Tomás, por la ayuda que me ha prestado en la realización de este trabajo fin de grado, por haber confiado en mí para llevarlo a cabo y por dedicarme su tiempo y su conocimiento. Sin todo ello la realización de este trabajo hubiese sido muy difícil.” “Agradecer también a mi cotutora, Triana Blanco, por estar a mi lado todos estos meses, resolviendo mis dudas y apoyándome en todo momento. Agradecer también su paciencia a la hora de confeccionar las múltiples tablas de Excel así como la interpretación de los resultados del trabajo.” “Me gustaría también agradecer a mi familia por todo su apoyo durante la realización de este trabajo y durante estos cinco años de carrera; sin ellos, todo esto tampoco habría sido posible” 6 ÍNDICE INTRODUCCIÓN....................................................................................................................7 1. Periodontitis: epidemiología, clasificación, impacto y tratamiento……………………………………..7 2. Diagnóstico de periodontitis en base a parámetros clínicos………………………………………….......7 3. Prueba(s) de diagnóstico basadas en biomarcadores salivales……………………………………….......8 OBJETIVOS...............................................................................................................................9 MÉTODOS.................................................................................................................................9 1. Criterios para la inclusión de estudios en esta revisión…………………………………………………..9 2. Métodos de búsqueda para la identificación de los estudios……………………………………………11 2.1. Búsquedas electrónicas. Estrategia de búsqueda………………………………………………….11 RECOPILACIÓN Y ANÁLISIS DE DATOS..........................................................................13 1. Selección de los estudios de precisión diagnóstica en la saliva………………...………….……...........13 2. Extracción y manejo de datos…………………………………………………………………………...13 3. Evaluación de la calidad metodológica………………………………………………………………….14 4. Análisis estadístico y síntesis de datos…………………………………………………………………..16 RESULTADOS……………………………………………………………………………….17 1. Selección de los estudios de precisión diagnóstica en la saliva…………………………………………17 2. Características de los estudios de precisión diagnóstica en la saliva……………………………………17 3. Evaluación de la calidad de los estudios de precisión diagnóstica en saliva……………………………21 4. Síntesis de los análisis cualitativos de las combinaciones de biomarcadores salivales ………………...22 DISCUSIÓN………………………………………………………………………………….28 1. Observación de la heterogeneidad y de la calidad de los estudios de precisión diagnóstica en saliva……………………………………………………………………………………………….........28 2. Precisión de los biomarcadores en la saliva para el diagnóstico de la periodontitis……………………29 3. Implicaciones para la práctica y perspectiva futura……………………………………………………..31 REFERENCIAS.......................................................................................................................33 7 INTRODUCCIÓN 1. Periodontitis: epidemiología, clasificación, impacto y tratamiento La periodontitis está reconocida como una de las enfermedades crónicas más prevalentes de todo el mundo (Dentino et al, 2013), afectando a más del 50% de la población adulta y con una prevalencia del 11% en sus grados más severos (Tonetti et al, 2015). En 2010, se estimó que la periodontitis severa era la sexta enfermedad más prevalente en el mundo, afectando a 743 millones de personas (Kassebaum et al, 2014). La periodontitis es una inflamación de los tejidos de soporte del diente con una pérdida progresiva del nivel de inserción y destrucción de hueso, lo que da lugar a la pérdida de los dientes (Cekici et al, 2014, Dentino et al, 2013). La gravedad de la periodontitis depende de diversos factores de riesgo, tanto ambientales como del huésped, que pueden ser modificables (por ejemplo, el hábito de fumar) o no modificables (por ejemplo, la susceptibilidad genética). Recientemente se ha publicado una nueva clasificación de las enfermedades y condiciones periodontales y periimplantarias (Caton et al, 2018), diferenciándose tres formas de periodontitis: la periodontitis (que incluye las reconocidas anteriormente como "crónicas" o "agresivas"; ahora agrupadas en una sola categoría), la periodontitis necrotizante y la periodontitis como manifestación de una enfermedad sistémica. Esta clasificación de la periodontitis se caracteriza por un sistema multidimensional de grados y estadios (Caton et al, 2018). Las enfermedades periodontales no sólo afectan a la salud bucal de los pacientes, sino que también comprometen su estética y su calidad de vida (Al-Harthi et al, 2013). Además, en los últimos años, la periodontitis se ha vinculado de forma bidireccional a la patogénesis de diferentes enfermedades sistémicas, como la diabetes (Chapple & Genco, 2013) o las enfermedades cardiovasculares (Tonetti, 2009). El tratamiento de la periodontitis incluye el raspado y alisado radicular u otros procedimientos de cirugía periodontal, la eliminación o reducción de los factores de riesgo y un mantenimiento periodontal adecuado. Entre las nuevas modalidades de tratamiento que se están explorando destacan la terapia antimicrobiana, la terapia de modulación del huésped, la terapia con láser y la ingeniería tisular para la reparación y regeneración de tejidos (Sanz & Teughels, 2008). 2. Diagnóstico de periodontitis en base a parámetros clínicos El concepto de diagnóstico se define como "la identificación de la naturaleza de una enfermedad u otro problema mediante el análisis de los síntomas". En Periodoncia, el primer reto para el tratamiento de la periodontitis es un diagnóstico precoz y preciso, ya que la pérdida de hueso y de tejido blando es progresiva e irreversible (Kinane et al, 2017). Los parámetros clínicos tradicionales nos proporcionan información para evaluar la severidad de la periodontitis y la respuesta al tratamiento, y, entre ellos, figuran: la presencia de placa o el nivel de higiene bucal; la inflamación gingival y el índice de sangrado al sondaje (ISS); la profundidad de sondaje periodontal (PSP) y la supuración; la pérdida de inserción 8 clínica (PIC); y, la pérdida ósea (PO) observada radiográficamente (Chatzistavrianou & Blair, 2017, Kinane et al, 2017). Actualmente, estos parámetros clínicos y radiográficos tradicionales son las mejores medidas disponibles para diagnosticar y controlar tanto el curso de la enfermedad como la eficacia del tratamiento (Tonetti et al, 2018). No obstante, estos parámetros sólo pueden evaluar signos tardíos de la periodontitis, su extensión actual y su gravedad; pero no nos permiten obtener información fiable sobre la actividad biológica actual de la enfermedad ni sobre su evolución futura. Además, la progresión de la periodontitis es intermitente (“a brotes”) y esto hace que sea complicado evaluar de manera precisa el estado actual de la enfermedad. Además, el diagnóstico clínico es un procedimiento tedioso que debe repetirse regularmente y requiere de múltiples registros manuales así como de profesionales expertos en el diagnóstico de la enfermedad (Alassiri et al, 2018). Por ello, la práctica del diagnóstico clínico de periodontitis requiere mucho tiempo, está sujeto a posibles errores en la medición de los parámetros y, frecuentemente, es mal tolerado por los pacientes (Miller et al, 2010). En este sentido, la comunidad científica está promoviendo cada vez más el descubrimiento de biomarcadores que sean cuantificables de forma objetiva en los fluidos orales para el diagnóstico precoz y el seguimiento de la periodontitis, los cuales reflejen de manera fiable el estado fisiopatológico del surco gingival (Ghallab, 2018). 3. Prueba(s) de diagnóstico basadas en biomarcadores salivales El término "biomarcador" se refiere a una característica que se mide objetivamente, representando un indicador de un proceso fisiológico, un proceso patológico o de respuesta a una intervención terapéutica (Biomarkers Definitions Working Group, 2001). Debido a que la recolección de saliva es un proceso no invasivo y sencillo, ya que se realiza sin necesidad de un equipo especial, este fluido se considera útil para posibles pruebas de detección de la periodontitis no tratada y tratada (Barros et al, 2016). Actualmente se sabe que, aunque el factor desencadenante de la periodontitis es una disbiosis polimicrobiana (Camelo-Castillo et al, 2015), su patogénesis se debe al desarrollo de una respuesta inmunológica e inflamatoria crónica del huésped (Ebersole et al, 2013, Jaedicke et al, 2016). Numerosos artículos han demostrado la presencia de diversos mediadores moleculares en la saliva, confirmando de esta forma la existencia de un perfil diferente asociado a la periodontitis y como este perfil se ve alterado tras la realización de un tratamiento periodontal (AlMoharib et al, 2014, Korte & Kinney, 2016). Algunas de estas investigaciones se centraron en estudios de precisión diagnóstica (Johnson et al, 2016, Wu et al, 2018). Centrándonos en revisiones sistemáticas sobre estudios de precisión diagnóstica de biomarcadores salivales, sólo tenemos conocimiento de la existencia de dos revisiones a este respecto. La primera de ellas fue realizada por de Lima et al. (2016), y estos autores llegaron a la conclusión de que actualmente no existe una evidencia que confirme la capacidad de los biomarcadores salivales para diagnosticar la periodontitis. La segunda revisión sistemática fue recientemente publicada por nuestro grupo de investigación, siendo el primer meta-análisis sobre este tema (Arias-Bujanda et al, 2020). Los resultados de nuestro trabajo pusieron de manifiesto que las metaloproteinasas de matriz 8 y 9, las interleuquinas 1beta y 6, y la hemoglobina eran biomarcadores salivales con buena capacidad para detectar la periodontitis 9 en sujetos sistémicamente sanos; la metaloproteinasa matriz 9 y la interleuquina 1beta también mostraron una buena capacidad para detectar la condición de no-periodontitis. Sin embargo, hasta el momento, no hay ninguna revisión sistemática sobre la precisión de múltiples biomarcadores moleculares en saliva para el diagnóstico de la periodontitis. Por consiguiente, el presente trabajo es esencial para demostrar la hipótesis de que la capacidad de diagnosticar la periodontitis puede aumentar cuando se combinan al menos dos biomarcadores moleculares salivales. Nuestra pretensión final es guiar el desarrollo de estudios bien diseñados de precisión diagnóstica de biomarcadores moleculares, que pueden representar herramientas prometedoras para el diagnóstico de la periodontitis. OBJETIVOS El principal objetivo de esta revisión sistemática es estudiar la bibliografía existente con el fin de determinar la precisión de múltiples biomarcadores moleculares, derivados del huésped y de la microbiota detectada en la saliva, para el diagnóstico de la periodontitis. La pregunta PICO formulada (paciente, prueba biomarcador, comparación, resultado) fue la siguiente: "En sujetos sistémicamente sanos, ¿la expresión de una combinación de biomarcadores moleculares en la saliva muestra capacidad de diagnosticar la periodontitis en comparación con los parámetros clínicos?". MÉTODOS Esta revisión sistemática se ha realizado de acuerdo con los parámetros establecidos para una revisión sistemática de estudios de precisión de pruebas diagnósticas (Declaración PRISMA-DTA) (Mclnnes et al, 2018) y el manual Cochrane para revisiones sistemáticas sobre los test de precisión diagnóstica, versión 1.0.0 (Deeks & Bossuyt, 2013). El número de registro en PROSPERO es CRD42020175021. 1. Criterios para la inclusión de estudios en esta revisión  Tipos de estudios de precisión Se consideraron todos aquellos estudios que evaluaban de forma combinada más de un biomarcador molecular en la saliva, aportando resultados de precisión diagnóstica de individuos que presentaban una periodontitis diagnosticada clínicamente. En los estudios de precisión diagnóstica, los resultados derivados de la prueba de diagnóstico permiten clasificar a los pacientes según tengan o no la condición objetivo (por ejemplo, periodontitis frente a 16 4. Análisis estadístico y síntesis de datos La unidad de análisis fue cada prueba de clasificación binaria de una combinación de biomarcadores salivales. La evaluación de una determinada prueba de clasificación binaria se realizó por paciente. La precisión diagnóstica de una combinación de biomarcadores salivales se evaluó midiendo su capacidad para detectar la presencia o la ausencia de la condición objetivo (en este caso, presencia o ausencia de periodontitis). Se consideró la posibilidad de que un mismo estudio pudiera proporcionar diferentes pruebas de clasificación binaria. Se elaboró una tabla de Excel con los datos referentes a los valores de verdaderos positivos, verdaderos negativos, falsos positivos y falsos negativos para cada combinación de biomarcadores de cada estudio. Si en un estudio no se detallaban los datos de la tabla de clasificación diagnóstica, se efectuó el cálculo de esta tabla teniendo en cuenta los valores de sensibilidad y especificidad, y el tamaño de la muestra de los grupos control y periodontal. En aquel caso en el que los valores de las tablas de contingencia calculadas mostraban valores decimales, éstos fueron redondeados, procediéndose a continuación al recálculo de los valores de sensibilidad y especificidad. Las estimaciones de la precisión se expresaron como sensibilidad y especificidad junto con intervalos de confianza del 95% para cada combinación de biomarcadores (prueba de diagnóstico) y se representaron gráficamente mediante “forest plots”. También se calcularon con los datos extraídos de cada artículo otros parámetros de precisión como el valor predictivo positivo (VPP), el valor predictivo negativo (VPN), la razón de verosimilitud positiva (LR+), la razón de verosimilitud negativa (LR-), la odds ratio diagnóstica (DOR) y el índice de Younden. La interpretación de los diferentes parámetros de precisión diagnóstica se efectuó aplicando las directrices establecidas por de Luca de Canto et al. (2015) las cuales son definidas en la Tabla 4. Tabla 4. Parámetros de clasificación diagnóstica (de Luca Canto et al, 2015). ÍNDICES DE LA PRUEBA INTERPRETACIÓN DE LOS DATOS Sensibilidad >80 % excelente, 70-80 % bueno, 60-69 % aceptable, <60 % bajo Especificidad >90 % excelente, 80-90 % bueno, 70-79 % aceptable, <70 % bajo LR (Razón de Verosimilitud) LR+> 3 y un LR- <0,3 aceptable precisión del test diagnóstico LR+> 10 y un LR- <0,1 excelente precisión del test diagnóstico DOR (Odds Ratio Diagnóstica) El valor de un rango DOR oscila entre el 0 y el infinito, y los valores más altos indican un mayor rendimiento de la prueba. Un valor de 1 en el test significa que este no es capaz de diferenciar entre los pacientes que presentan la enfermedad y aquellos que no. Valores inferiores a 1 no permiten una adecuada interpretación de la prueba. Índice de Younden (J Index) Los valores cercanos a 1 indican una elevada precisión del test; un valor de 0 no nos aporta ninguna información e indica que el test tiene un valor diagnóstico nulo. 17 RESULTADOS 1. Selección de los estudios de precisión diagnóstica en la saliva En total, tras la eliminación automatizada de los duplicados, se obtuvieron 4.846 artículos de las seis bases de datos electrónicas. Luego, el 91% de los resúmenes se evaluaron mediante técnicas de minería de datos y el 9% restante con un procedimiento manual; se evaluó la elegibilidad de un total de 173 artículos en texto completo. Además, se detectaron seis más tras analizar las referencias de una lista de reseñas y artículos de texto completo. En la fase de elegibilidad, se excluyeron 172 artículos por diversas razones, lo que significa que se evaluaron 7 publicaciones y 40 tablas de contingencia en un análisis cualitativo. Si consideramos los requisitos previamente establecidos para la realización de un meta-análisis, no hubo ninguna combinación de biomarcadores que pudiese ser meta-analizada. En la Figura 1 se muestra un diagrama de flujo detallado. 2. Características de los estudios de precisión diagnóstica en la saliva De los 7 artículos seleccionados se ha extraído 40 combinaciones de biomarcadores salivales, de las cuales 18 son diferentes entre sí. La combinación formada por 2 biomarcadores fue la más frecuente (40.0%), seguida por la de 3 y 4 biomarcadores (30.0% cada una). La condición de control más común fue el estado de gingivitis (47.5%), seguido del estado de salud periodontal (40.0%); el restante 12.5% pertenecía al grupo de pacientes “no periodontales”. La condición objetivo más común fue la periodontitis (82.5%), seguida de la periodontitis crónica (12.5%) y, por último, con un 2.5 % cada una, un grupo que engloba la periodontitis crónica y la agresiva y una condición que reúne periodontitis leve, moderada y severa. En cuanto al hábito tabáquico en uno de los siete artículos no se nos aportan datos sobre el mismo. De los 6 restantes, la mayoría de los pacientes control eran no fumadores (66.0%) mientras que en el caso de los pacientes periodontales la mayor parte eran fumadores y no fumadores (83.0%). En cuanto al tipo de muestra salival analizada, hubo un predominio de saliva no estimulada ya que en 5 de los 7 artículos incluidos se utilizó este método (72%); en uno de ellos, la muestra fue de saliva estimulada (14%); y del otro, no había datos relativos al tipo de saliva utilizada para la toma muestral (14%). En cuanto al almacenamiento de estas muestras la forma más habitual de hacerlo fue a -80°C (en el 42.8% de la serie). La técnica más utilizada para la identificación de biomarcadores salivares fue la citometría multiparamétrica (72.5%) seguida de una combinación de esta junto con ELISA (20%) (Tabla 5). 18 Figura 1. Diagrama de flujo detallado sobre la selección de los estudios de precisión diagnóstica en saliva. 19 Tabla 5. Biomarcadores múltiples analizados simultáneamente en saliva, características clínicas de los grupos control y con periodontitis y técnica aplicada para la detección de biomarcadores (N= 7 artículos). Abreviaturas relacionadas con las pruebas de diagnóstico (en orden alfabético): IL: interleuquina; Lactate, GABA, Butyrate: lactato, ácido gamma aminobutírico, butirato; 3-hidroxy fatty acids: ácidos grasos con grupo -OH en la posición 3; MIP: proteína inflamatoria de los macrófagos; MMP: metaloproteinasa de la atriz; OPG: osteoprotegerina; ra: antagonista de los receptores; RANKL: ligando de receptor activador para el factor nuclear κ B, TNF: factor de necrosis tumoral. Combinación de biomarcadores Número de tablas de contingencia /Artículos Condición control Condición objetivo Técnica Nº de combinación de biomarcadores Nombre Rango del número de muestras Categorías Rango del número de muestras Categorías Nombre 1 IL1beta, IL6 3/2 ≤30 (1/1) 31-70 (2/1) SP (2/2) G (1/1) 31-70 (1/1) 71-120 (2/1) PC (1/1) P (2/1) Citometría multiparamétrica (3/2) 2 IL1beta, MMP8 3/2 ≤30 (1/1) 31-70 (2/1) SP (2/2) G (1/1) 31-70 (1/1) 71-120 (2/1) PC (1/1) P (2/1) ELISA (1/1) Citometría multiparamétrica (3/2) 3 IL6, MMP8 3/2 ≤30 (1/1) 31-70 (2/1) SP (2/2) G (1/1) 31-70 (1/1) 71-120 (2/1) PC (1/1) P (2/1) ELISA (1/1) Citometría multiparamétrica (3/2) 4 IL1beta, MIP1alpha 2/1 31-70 (2/1) SP (1/1) G (1/1) 71-120 (2/1) P (2/1) Citometría multiparamétrica (2/1) 5 IL6, MIP1alpha 2/1 31-70 (2/1) SP (1/1) G (1/1) 71-120 (2/1) P (2/1) Citometría multiparamétrica (2/1) 6 MMP8, MIP1alpha 2/1 31-70 (2/1) SP (1/1) G (1/1) 71-120 (2/1) P (2/1) Citometría multiparamétrica (2/1) 7 RANKL,OPG (ratio) 1/1 71-120 (1/1) G (1/1) 71-120 (1/1) PC (1/1) ELISA (1/1) 8 IL1beta, IL6, MMP8 3/2 ≤30 (1/1) 31-70 (2/1) SP (2/2) G (1/1) 31-70 (1/1) 71-120 (2/1) PC (1/1) P (2/1) ELISA (1/1) Citometría multiparamétrica (3/2) 9 IL1beta, IL6, MIP1alpha 2/1 31-70 (2/1) SP (1/1) G (1/1) 71-120 (2/1) P (2/1) Citometría multiparamétrica (2/1) 20 Tabla 5 (continuación). Biomarcadores múltiples analizados simultáneamente en saliva, características clínicas de los grupos control y con periodontitis y técnica aplicada para la detección de biomarcadores (N= 7 artículos). Abreviaturas relacionadas con las condiciones control y objetivo: PAg: periodontitis agresiva; SP: salud periodontal; G: gingivitis; P: periodontitis; PC: periodontitis crónica; No-P: no periodontitis. Abreviaturas relacionadas con el tipo de técnica aplicada (en orden alfabético): ELISA: ensayo por inmunoabsorción ligado a enzimas; NMR: resonancia magnética nuclear. 21 3. Evaluación de la calidad de los estudios de precisión diagnóstica en saliva En el ámbito de la selección de pacientes, 6 de los 7 artículos (85.7%) presentaban un alto riesgo de sesgo ya que eran estudios casos-controles mientras que 1 de ellos presentaba un riesgo bajo de sesgo (14.3%) al ser un estudio de cohortes. En el dominio de las pruebas de diagnóstico, la pregunta referida a la aplicación de un umbral preestablecido tuvo como respuesta "no" en los 7 artículos (100.0%), lo que indica un alto riesgo de sesgo. La referencia estándar clasificó correctamente el estado periodontal sin conocimiento de los resultados de las pruebas diagnósticas en 6 de los 7 artículos (85.7%), por lo que en estos artículos, el dominio de referencia estándar se relacionó con un bajo riesgo de sesgo. Sin embargo, es importante tener en cuenta que sólo en tres estudios (42.8%) los autores confirmaron la presencia de profesionales calibrados para el registro del estado clínico. En 4 de los 7 artículos no se muestran datos para saber si ha existido un periodo de tiempo adecuado entre la toma de la muestras y el diagnóstico clínico, por lo que el riesgo de sesgo para ese dominio es incierto en un 57.1% de los artículos; en 2 de ellos ha habido un intervalo de tiempo apropiado por lo que el riesgo de sesgo es bajo (28.5%) mientras que el 14.2% restante, es decir, un artículo, presenta un riesgo de sesgo alto para el dominio flujo y tiempo. Los problemas sobre la aplicabilidad de todos los dominios para todos los artículos incluidos recibieron una respuesta de "bajo", excepto un artículo para el dominio de la referencia estándar, ya que los autores aplicaron el sistema CPITN como referencia estándar para el diagnóstico (Figura 2). Considerando el tamaño de la muestra como un parámetro de calidad metodológica, las series entre 31 y 70 pacientes con la condición control prevalecieron en el 70.0 % de las tablas de contingencia; las series con ≤30 pacientes en el 27.5 % y las de más de 70 pacientes en el 2.5%. En cuanto al número de sujetos con la condición objetivo, los grupos de estudio estuvieron compuestos por: ≤30 pacientes en el 17.5% de las tablas de contingencia; entre 31 y 70 en el 30.0%; y >71 en el 52.5% (Tabla 5). 22 Figura 2. Evaluación de la calidad según la herramienta QUADAS-2: riesgo de sesgo y problemas de aplicabilidad. 4. Síntesis de los análisis cualitativos de las combinaciones de biomarcadores salivales La combinación de dos biomarcadores salivales estuvo representada por 16 tablas de clasificación diagnóstica, siendo las combinaciones más frecuentes las formadas por dos interleuquinas inflamatorias o una interleuquina inflamatoria y una enzima: IL1beta e IL6, IL1beta y MMP8 e IL6 y MMP8. En el estudio de Ebersole et al. (2013), dos de estas combinaciones, IL1beta e IL6 e IL6 y MMP8, fueron las que se asociaron a porcentajes de sensibilidad del 94% y especificidad del 97% y 98%, respectivamente, así como valores predictivos por encima del 90%. Los valores LR+ de estas combinaciones de biomarcadores fueron 28.2 y 57.3, respectivamente, y los valores LR- de 0.0 para ambas. La combinación IL1beta y MMP8 presentó una sensibilidad del 88% y una especificidad del 97%, unos VPP y VPN de 98% y 83% y unos valores de LR+ y LR- de 26 y 0.1. Estos mismos autores, en un trabajo posterior (Ebersole et al, 2015), encontraron que estas mismas combinaciones de biomarcadores salivales mostraban peores valores con porcentajes de sensibilidad y especificidad oscilando entre 81-76% y 77-72%, VPP y VPN, entre 84.5-82% y 72.5-56% y LR+ y LR-, entre 3.5-2.7 y 0.3-0.2 (Figura 3 y Tabla 6). Selección de pacientes Pruebas de diagnóstico Referencia estándar Flujo y tiempo 0% 20% 40% 60% 80% 100% Dominios de la Quadas-2 Riesgo de sesgo Selección de pacientes Pruebas de diagnóstico Referencia estándar 0% 20% 40% 60% 80% 100% Aplicabilidad Bajo Incierto Alto 23 Figura 3. Forest plot con la precisión diagnóstica (sensibilidad, especificidad e intervalo de confianza del 95%) de cada combinación de dos biomarcadores salivales. IL: interleuquina; MIP: proteína inflamatoria de los macrófagos; MMP: metaloproteinasa de la matriz; OPG: osteoprotegerina; RANKL: ligando de receptor activador para el factor nuclear κ B. Los valores de sensibilidad y especificidad fueron redondeados. [A]: Ebersole et al, 2015; [D]: Ebersole et al, 2013; [E]: Ochanji et al, 2016. La ratio RANKL/OPG, aunque se asoció a una sensibilidad del 95%, su especificidad fue muy baja, de tan solo el 6%; los valores predictivos también fueron bajos (positivo, 52%; negativo, 56%) y el LR+ y LR- de 1.0 y 0.7, respectivamente (Ochanji et al, 2016) (Figura 3 y Tabla 6). Tabla 6. Parámetros de clasificación diagnóstica de la combinación de dos biomarcadores. ESTUDIO COMBINACIÓN BIOMARCADORES Nº GC/ Nº GP PREC (%) SENS/ ESPEC (%) VPP/ VPN (%) LR+/ LRDOR J Index Ochanji et al., 2016 RANKL, OPG 77/81 51.9 95.1/6.5 51.7/55.6 1.0/0.7 1.3 0.01 Ebersole et al., 2013 IL1beta, IL6 30/50 95.0 94.0/96.7 97.9/90.6 28.2/0.0 454.3 0.90 Ebersole et al., 2013 IL6, MMP8 30/50 95.7 94.0/98.4 98.9/90.9 57.3/0.0 940.0 0.92 Ebersole et al., 2013 IL1beta, MMP8 30/50 91.3 88.0/96.7 97.8/82.9 26.4/0.1 212.6 0.84 Ebersole et al., 2015 IL1beta, IL6 65/101 79.5 81.2/76.9 84.5/72.5 3.5/0.2 14.3 0.58 Ebersole et al., 2015 IL6, MMP8 65/101 77.7 81.2/72.3 82.0/71.2 2.9/0.2 11.2 0.53 Ebersole et al., 2015 IL6, MIP1alpha 43/101 77.8 81.2/69.8 86.3/61.2 2.6/0.2 9.9 0.51 Ebersole et al., 2015 IL1beta, MIP1alpha 65/101 77.7 79.2/75.4 83.3/70.0 3.2/0.2 11.6 0.54 24 GC: grupo control; GP: grupo periodontal; PREC: precisión; SENS: sensibilidad; ESPEC: especificidad; VPP: valor predictivo positio; VPN: valor predictivo negativo; LR: razón de verosimilitud; DOR: odds ratio diagnóstica. La combinación de tres biomarcadores salivales estuvo representada por 12 tablas de clasificación diagnóstica, siendo la combinación más frecuente la formada por dos interleuquinas inflamatorias y una enzima: IL1beta, IL6 y MMP8. En el estudio de Ebersole et al. (2013), esta combinación, IL1beta, IL6 y MMP8, presentó un porcentaje de sensibilidad del 94% y especificidad del 97%, así como valores predictivos por encima del 90%. Los valores LR+ y LR- fueron 28.2 y 0.0. Estos mismos autores, en un trabajo posterior (Ebersole et al, 2015), encontraron que esta misma combinación de biomarcadores mostraban peores valores con porcentajes de sensibilidad y especificidad oscilando entre 78-76% y 77-74%, VPP y VPN, entre 84-87.5% y 69-57% y LR+ y LR-, entre 3.3-2.9 y 0.3-0.2. Figura 4. Forest plot con la precisión diagnóstica (sensibilidad, especificidad e intervalo de confianza del 95%) de cada combinación de tres biomarcadores salivales. Butyrate: butirato; GABA: Ácido γ-aminobutírico; IL: interleuquina; Lactate: lactato; MIP: proteína inflamatoria de los macrófagos; MMP: metaloproteinasa de la matriz; ra: receptor antagonista; TNF: factor de necrosis tumoral. Los valores de sensibilidad y especificidad fueron redondeados. [A]: Ebersole et al, 2015; [C]: Wu et al, 2017; [D]: Ebersole et al, 2013; [F]: Rzeznik et al, 2017. Ebersole et al., 2015 IL6, MIP1alpha 65/101 78.3 79.2/76.9 84.2/70.4 3.4/0.2 12.6 0.56 Ebersole et al., 2015 IL1beta, MMP8 65/101 77.7 78.2/76.9 84.0/69.4 3.3/0.2 11.9 0.55 Ebersole et al., 2015 IL6, MMP8 43/101 76.4 78.2/72.1 86.8/58.5 2.8/0.3 9.2 0.50 Ebersole et al., 2015 IL1beta, IL6 43/101 77.1 77.2/76.7 88.6/58.9 3.3/0.2 11.1 0.54 Ebersole et al., 2015 IL1beta, MMP8 43/101 75.0 76.2/72.1 86.5/56.4 2.7/0.3 8.2 0.48 Ebersole et al., 2015 IL1beta, MIP1alpha 43/101 76.4 75.2/79.1 89.4/57.6 3.5/0.3 11.4 0.54 Ebersole et al., 2015 MMP8, MIP1alpha 65/101 72.9 70.3/76.9 82.6/62.5 3.0/0.3 7.8 0.47 Ebersole et al., 2015 MMP8, MIP1alpha 43/101 63.9 64.4/62.8 80.2/42.9 1.7/0.5 3.0 0.27 25 El segundo mejor valor de sensibilidad, con un porcentaje del 88.5%, fue aportado por la combinación de biomarcadores lactate, GABA y butyrate, aunque su especificidad fue del 72%; el VPP y VPN del 77% y 86%, y el LR+ y LR- del 3.1 y 0.1 (Rzeznik et al, 2017) (Figura 4 y Tabla 7). Tabla 7. Parámetros de clasificación diagnóstica de la combinación de tres biomarcadores. GC: grupo control; GP: grupo periodontal; PREC: precisión; SENS: sensibilidad; ESPEC: especificidad; VPP: valor predictivo positio; VPN: valor predictivo negativo; LR: razón de verosimilitud; DOR: odds ratio diagnóstica. La combinación de cuatro biomarcadores salivales estuvo representada por 12 tablas de clasificación diagnóstica, siendo la combinación más frecuente la formada por 2 interleuquinas inflamatorias, 1 quimioquina y 1 enzima: IL1beta, IL6, MIP1alpha y MMP8. En los estudios de Ebersole et al. (2015) y Nagarajan et al. (2015), esta combinación, IL1beta, IL6, MIP1alpha y MMP8 presentó porcentajes de sensibilidad y especificidad que oscilaron entre 80-72.5% y 80-72.5%, VPP y VPN, entre 90-74% y 78-61% y LR+ y LR-, entre 3.7-2.9 y 0.3-0.2. Ferrando et al. (2005) describieron que la combinación de 4 ácidos grasos con grupo OH presentaba una sensibilidad y especificidad de 93% y 97%, un VPP y VPN del 98% y 90%, y un LR+ y LR- del 34 y 0.0 (Figura 5 y Tabla 8). ESTUDIO COMBINACION BIOMARCADORES Nº GC/ Nº GP PREC (%) SENS/ ESPEC (%) VPP/ VPN (%) LR+/ LRDOR J Index Ebersole et al., 2013 IL1beta, IL6, MMP8 30/50 95.0 94.0/96.7 97.9/90.6 28.2/0.0 454.3 0.90 Rzeznik et al., 2017 Lactate, GABA, Butyrate 25/26 80.4 88.5/72.0 76.7/85.7 3.1/0.1 19.7 0.60 Ebersole et al., 2015 IL1beta, IL6, MIP1alpha 65/101 79.5 80.2/78.5 85.3/71.8 3.7/0.2 14.7 0.58 Wu et al., 2017 IL1ra, MMP9, TNFalpha 27/30 78.9 80.0/77.8 80.0/77.8 3.6/0.2 14.0 0.57 Ebersole et al., 2015 IL6, MMP8, MIP1alpha 65/101 77.1 79.2/73.8 82.5/69.6 3.0/0.2 10.7 0.53 Ebersole et al., 2015 IL1beta, IL6, MMP8 65/101 77.7 78.2/76.9 84.0/69.4 3.3/0.2 11.9 0.55 Ebersole et al., 2015 IL1beta, IL6, MIP1alpha 65/101 78.5 78.2/79.1 89.8/60.7 3.7/0.2 13.5 0.57 Ebersole et al., 2015 IL1beta, IL6, MMP8 43/101 75.7 76.2/74.4 87.5/57.1 2.9/0.3 9.3 0.50 Wu et al., 2017 IL1beta, IL1ra, MMP9 27/30 80.7 73.3/88.9 88.0/75.0 6.6/0.3 22.0 0.62 Ebersole et al., 2015 IL6, MMP8, MIP1alpha 43/101 72.9 72.3/74.4 86.9/53.3 2.8/0.3 7.5 0.46 Wu et al., 2017 IL1beta, IL1ra, TNFalpha 27/30 78.9 70.0/88.9 87.5/72.7 6.3/0.3 18.6 0.58 Wu et al., 2017 IL1beta, MMP9, TNFalpha 27/30 77.2 60.0/96.3 94.7/68.4 16.2/0.4 39.0 0.56 32 combinaciones de biomarcadores, por lo que se requiere una mayor evidencia a este respecto. Se precisan un mayor número de investigaciones centradas en evaluar la precisión diagnóstica de combinaciones de biomarcadores salivales en la periodontitis, implicando grandes series e incluyendo análisis de validación (Moons et al, 2015). Igualmente, otros factores que deberían ser considerados son la influencia de la presencia de gingivitis en la condición control, el tabaquismo y la presencia de enfermedades sistémicas con la finalidad de clarificar el impacto de estas variables en la precisión diagnóstica de la combinación de biomarcadores. En conclusión, IL1beta e IL6, IL6 y MMP8, e IL1beta y MMP8 son las combinaciones de biomarcadores salivales más investigadas en el diagnóstico de periodontitis. El uso combinado de estos biomarcadores presenta una capacidad excelente o buena para detectar la periodontitis, y excelente o aceptable para detectar la condición de no periodontitis; esta capacidad diagnóstica no se incrementa al incorporar otros biomarcadores. Se constata que el uso en conjunto de estas combinaciones de dos biomarcadores salivales parece incrementar su rendimiento en el diagnóstico de periodontitis en comparación con el uso de estos mismos biomarcadores de forma individual, aunque debido a la heterogeneidad de los resultados encontrados se precisa mayor evidencia que corrobore estas observaciones. 33 REFERENCIAS Alassiri S, Parnanen P, Rathnayake N, Johannsen G, Heikkinen AM, Lazzara R, et al. The ability of quantitative, specific, and sensitive point-of-care/chair-side oral fluid immunotests for aMMP-8 to detect periodontal and peri-Implant diseases. Dis Markers. 2018; 2018: 1306396. Al-Harthi LS, Cullinan MP, Leichter JW, Thomson WM. The impact of periodontitis on oral health-related quality of life: a review of the evidence from observational studies. Aust Dent J. 2013; 58(3): 274–7; quiz 384. AlMoharib HS, AlMubarak A, AlRowis R, Geevarghese A, Preethanath RS, Anil S. Oral fluid based biomarkers in periodontal disease: part 1. Saliva. J Int Oral Health. 2014; 6(4): 95- 103. Al‐Tarawneh SK, Border MB, Dibble CF, Bencharit S. Defining salivary biomarkers using mass spectrometry‐based proteomics: A systematic review. OMICS. 2011; 15(6), 353– 361. Arias‐Bujanda N, Balsa‐Castro C, Regueira‐Iglesias A, Nibali L, Donos N, Tomás I. Accuracy of single molecular biomarkers in gingival crevicular fluid for the diagnosis of periodontitis: A systematic review and meta‐analysis. J Clin Periodontol. 2019; 46(12):1166- 1182. Arias-Bujanda N, Balsa-Castro C, Regueira‐Iglesias A, Nibali L, Donos N, Tomás I. Accuracy of single molecular biomarkers in saliva for the diagnosis of periodontitis: A systematic review and meta-analysis. J Clin Periodontol. 2020; 47(1):2-18 Armitage GC. Development of a classification system for periodontal diseases and conditions. Ann Periodontol. 1999; 4(1): 1–6. Barros SP, Williams R, Offenbacher S, Morelli T. Gingival crevicular fluid as a source of biomarkers for periodontitis. Periodontol 2000. 2016; 70(1): 53-64. Biomarkers Definitions Working Group. Biomarkers and surrogate endpoints: preferred definitions and conceptual framework. Clin Pharmacol Ther. 2001; 69: 89–95 Buduneli N, Kinane DF. Host‐derived diagnostic markers related to soft tissue destruction and bone degradation in periodontitis. J Clin Periodontol. 2011; 38 Suppl11, 85– 105. Camelo-Castillo AJ, Mira A, Pico A, Nibali L, Henderson B, Donos N, et al. Subgingival microbiota in health compared to periodontitis and the influence of smoking. Front Microbiol. 2015; 6: 119. Caton J, Armitage G, Berglundh T, Chapple ILC, Jepsen S, Kornman KS, L et al. A new classification scheme for periodontal and peri-implant diseases and conditions-introduction and key changes from the 1999 classification. J Clin Periodontol. 2018; 45 Suppl 20: S1-S8. 34 Chapple ILC, Genco R. Diabetes and periodontal diseases: consensus report of the Joint EFP/AAP Workshop on periodontitis and systemic diseases. J Clin Periodontol. 2013; 40 Suppl 14: S106-12. Cekici A, Kantarci A, Hasturk H, Van Dyke TE. Inflammatory and immune pathways in the pathogenesis of periodontal disease. Periodontol 2000. 2014; 64(1): 57-80. Chatzistavrianou D, Blair F. Diagnosis and management of chronic and aggressive periodontitis part 1: periodontal assessment and diagnosis. Dent Update. 2017; 44(4): 306-8, 310, 313-5. Deeks JJ, Bossuyt PM GC, editor. Cochrane handbook for systematic reviews of diagnostic test accuracy, version 1.0.0 [Internet]. Cochrane Collaboration. 2013. De Lima CL, Acevedo AC, Grisi DC, Taba M, Guerra E, De Luca Canto G. Host-derived salivary biomarkers in diagnosing periodontal disease: systematic review and meta-analysis. J Clin Periodontol. 2016; 43(6): 492–502. De Luca Canto G, Pachêco-Pereira C, Aydinoz S, Major PW, Flores-Mir C, Gozal D. Diagnostic capability of biological markers in assessment of obstructive sleep apnea: a systematic review and metaanalysis. J Clin Sleep Med. 2015; 11: 27–36. Dentino A, Lee S, Mailhot J, Hefti AF. Principles of Periodontology. Periodontol 2000. 2013; 61(1): 16–53. Dinnes J, Deeks J, Kirby J, Roderick P. A methodological review of how heterogeneity has been examined in systematic reviews of diagnostic test accuracy. Health Technol Assess. 2005; 9(12): 1–113. Ebersole JL, Dawson DR, Morford LA, Peyyala R, Miller CS, Gonzaléz OA. Periodontal disease immunology: “Double indemnity” in protecting the host. Periodontol 2000. 2013; 62(1): 163-202. Ebersole JL, Nagarajan R, Akers D, Miller CS. Targeted salivary biomarkers for discrimination of periodontal health and disease(s). Front Cell Infect Microbiol. 2015; 5: 62 Ferrando R, Szponar B, Sánchez A, Larsson L, Valero-Guillén PL. 3-Hydroxy fatty acids in saliva as diagnostic markers in chronic periodontitis. J Microbiol Methods. 2005; 62 (3): 285-91 Franco C, Patricia HR, Timo S, et al. Matrix metalloproteinases as regulators of periodontal inflammation. Int J Mol Sci. 2017;18: pii: E440. Ghallab NA. Diagnostic potential and future directions of biomarkers in gingival crevicular fluid and saliva of periodontal diseases: Review of the current evidence. Arch Oral Biol. 2018; 87: 115-124. Giannobile WV. Salivary diagnostics for periodontal diseases. J Am Dent Assoc. 2012; 143 (10 Suppl), 6S–11S. 35 Jaedicke KM, Preshaw PM, Taylor JJ. Salivary cytokines as biomarkers of periodontal diseases. Periodontol 2000. 2016; 70(1): 164-83. Johnson N, Ebersole JL, Kryscio RJ, Danaher RJ, Dawson D 3rd, Al-Sabbagh M, Miller CS. Rapid assessment of salivary MMP-8 and periodontal disease using lateral flow immunoassay. Oral Dis. 2016; 22(7): 681-7. Kassebaum NJ, Bernabé E, Dahiya M, Bhandari B, Murray CJL, Marcenes W. Global burden of severe periodontitis in 1990-2010: a systematic review and meta-regression. J Dent Res. 2014; 93(11): 1045-53. Kinane DF, Stathopoulou PG, Papapanou PN. Periodontal diseases. Nat Rev Dis Primers. 2017; 3: 17038. Korte DL, Kinney J. Personalized medicine: an update of salivary biomarkers for periodontal diseases. Periodontol 2000. 2016; 70(1): 26-37. Leeflang, MMG. Systematic reviews and meta‐analyses of diagnostic test accuracy. Clin Microbiol Infect. 2014; 20(2), 105–113. Macaskill P, Gatsonis C, Deeks JJ, Harbord RM, Takwoingi Y. Chapter 10: Analysing and presenting results. In Cochrane handbook for systematic reviews of diagnostic test accuracy. The Cochrane Collaboration. 2010 (1st ed., pp. 1–61). Miller CS, Foley JD, Bailey AL, Campell CL, Humphries RL, Christodoulides N, et al. Current developments in salivary diagnostics. Biomark Med. 2010; 4(1):171-89. Mclnnes MDF, Moher D, Thombs BD, McGrath TA, Bossuyt PM, Clifford T, et al. Preferred reporting items for a systematic review and meta-analysis of diagnostic test accuracy studies. JAMA. 2018; 319(4): 388-396. Moons KGM, Altman DG, Reitsma JB, Ioannidis JPA, Macaskill P, Steyerberg EW, Collins GS, et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): Explanation and elaboration. Ann Intern Med; 162(1): W1–73. Nagarajan R, Miller CS, Dawson D, Al-Sabbagh M, Ebersole JL. Patient-Specific Variations in Biomarkers across Gingivitis and Periodontitis. PLoS One. 2015; 10 (9): e0136792 Ochanji AA, Matu NK, Mulli TK. Association of salivary RANKL and osteoprotegerin levels with periodontal health. Clin Exp Dent Res. 2017: 3 (2): 45-50 Reistma JB, Rutjes AWS, Whiting P, Vlassov VV, Leeflang M, Deeks JJ. Chapter 9: assessing methodological quality. In Cochrane handbook for systematic reviews of diagnostic test accuracy. The Cochrane Collaboration. 2009 (1st ed., pp. 1–29). Sanz M, Teughels W. Innovations in non-surgical periodontal therapy: consensus report of the Sixth European Workshop on Periodontology. J Clin Periodontol. 2008; 35(8 Suppl):3- 7. 36 Rzeznik M, Triba MN , Levy P, Jungo S , Botosoa E , Boris Duchemann B, Le Moyec L et al. Identification of a discriminative metabolomic fingerprint of potential clinical relevance in saliva of patients with periodontitis using 1H nuclear magnetic resonance (NMR) spectroscopy. PLoS One. 2017; 12 (8): e0182767. Srivastava N, Nayak PA,Rana S. Point of care‐ a novel approach to periodontal diagnosis‐a review. J Clin Diagn Res. 2017: 11 (8), ZE01–ZE06. Sukriti KC, Wang XZ, Gallagher JE. Diagnostic sensitivity and specificity of hostderived salivary biomarkers in periodontal disease amongst adults: Systematic review. J Clin Periodontol. 2020; 47(3): 289-308 Tonetti MS. Periodontitis and risk for atherosclerosis: an update on intervention trials. J Clin Periodontol. 2009; 36 Suppl 10: 15-9. Tonetti MS, Eickholz P, Loos BG, Papapanou P, Van Der Velden U, Armitage G, et al. Principles in prevention of periodontal diseases: consensus report of group 1 of the 11th European Workshop on Periodontology on effective prevention of periodontal and periimplant diseases. J Clin Periodontol. 2015; 42(S16): S5–11. Tonetti MS, Greenwell H, Kornman KS. Staging and grading of periodontitis: Framework and proposal of a new classification and case definition. J Clin Periodontol. 2018; 45 Suppl 20: S149-S161. Whiting PF, Rutjes AWS, Westwood ME, Mallett S, Deeks JJ, Reitsma JB, et al. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011; 155(8): 529-36. Wu YC, Ning L, Tu YK, Huang CP, Huang NT, Chen YF, et al. Salivary biomarker combination prediction model for the diagnosis of periodontitis in a Taiwanese population. J Formos Med Assoc. 2018; 117(9): 841-848. Zhang L, Henson BS, Camargo PM, Wong DT. The clinical value of salivary biomarkers for periodontal disease. Periodontol 2000. 2009; 51, 25–37.