MétaCan
Menu
Retour à la cohorte
Enregistrement W2060741641 · doi:10.3389/fimmu.2014.00427

The Intestinal Microbiome in Early Life: Health and Disease

2014· review· en· W2060741641 sur OpenAlexafffund
Marie‐Claire Arrieta, Leah T. Stiemsma, Nelly Amenyogbe, Eric Brown, B. Brett Finlay

Notice bibliographique

RevueFrontiers in Immunology · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensChild and Family Research InstituteUniversity of British ColumbiaCanada's Michael Smith Genome Sciences Centre
Organismes subventionnairesCanadian Institutes of Health ResearchGenome British Columbia
Mots-clésDysbiosisMicrobiomeDiseaseGut floraImmune systemImmunologyBiologyMedicineBioinformaticsPathology

Résumé

récupéré en direct d'OpenAlex

Human microbial colonization begins at birth and continues to develop and modulate in species abundance for about 3 years, until the microbiota becomes adult-like. During the same time period, children experience significant developmental changes that influence their health status as well as their immune system. An ever-expanding number of articles associate several diseases with early-life imbalances of the gut microbiota, also referred to as gut microbial dysbiosis. Whether early-life dysbiosis precedes and plays a role in disease pathogenesis, or simply originates from the disease process itself is a question that is beginning to be answered in a few diseases, including IBD, obesity, and asthma. This review describes the gut microbiome structure and function during the formative first years of life, as well as the environmental factors that determine its composition. It also aims to discuss the recent advances in understanding the role of the early-life gut microbiota in the development of immune-mediated, metabolic, and neurological diseases. A greater understanding of how the early-life gut microbiota impacts our immune development could potentially lead to novel microbial-derived therapies that target disease prevention at an early age.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,283
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 004
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetGut microbiota and healthTravaux en français237 207