An assessment of human gastric fluid composition as a function of PPI usage
Notice bibliographique
Résumé
The standard of care for chronic gastro-esophageal reflux disease (GERD), which affects up to 40% of the population, is the use of drugs such as proton pump inhibitors (PPIs) that block the production of stomach acid. Despite widespread use, the effects of PPIs on gastric fluid remain poorly characterized. In this study, gastric fluid was collected from patients undergoing cardiac surgery who were not (n = 40) or were (n = 25) actively taking PPIs. Various enzymatic and immunoassays as well as mass spectrometry were utilized to analyze the concentrations of bile, gastricsin, trypsin, and pepsin in the gastric fluid. Proteomic analyses by mass spectrometry suggested that degradation of trypsin at low pH might account, at least in part, for the observation that patients taking PPIs have a greater likelihood of having high concentrations of trypsin in their gastric fluid. In general, the concentrations of all analytes evaluated varied over several orders of magnitude, covering a minimum of a 2000-fold range (gastricsin) and a maximum of a 1 × 10(6) -fold range (trypsin). Furthermore, the concentrations of various analytes were poorly correlated with one another in the samples. For example, trypsin and bile concentrations showed a significant (P < 0.0001) but not strong correlation (r = 0.54). Finally, direct assessment of bacterial concentrations by flow cytometry revealed that PPIs did not cause a profound increase in microbial load in the gastric fluid. These results further delineate the profound effects that PPI usage has on the physiology of the stomach.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».