MétaCan
Menu
Retour à la cohorte
Enregistrement W2181173570 · doi:10.1093/cid/civ850

Assessing the Intestinal Microbiota in the SHINE Trial

2015· article· en· W2181173570 sur OpenAlexaff
Ethan Gough, Andrew J. Prendergast, Kuda Mutasa, Rebecca J. Stoltzfus, Amee R. Manges

Notice bibliographique

RevueClinical Infectious Diseases · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of British ColumbiaMcGill University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentDirektion für Entwicklung und ZusammenarbeitDepartment for International DevelopmentBill and Melinda Gates FoundationEuropean CommissionWellcome TrustWellcomeNational Institutes of HealthDepartment for International Development, UK Government
Mots-clésGut floraSanitationMedicineGut bacteriaHygiene hypothesisHuman studiesImmunologyEnvironmental healthBiologyInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Advances in DNA sequencing technology now allow us to explore the dynamics and functions of the microbes that inhabit the human body, the microbiota. Recent studies involving experimental animal models suggest a role of the gut microbiota in growth. However, the specific changes in the human gut microbiota that contribute to growth remain unclear, and studies investigating the gut microbiota as a determinant of environmental enteric dysfunction (EED) and child stunting are lacking. In this article, we review the evidence for a link between the developing infant gut microbiota, infant feeding, EED, and stunting, and discuss the potential causal pathways relating these variables. We outline the analytic approaches we will use to investigate these relationships, by capitalizing on the longitudinal design and randomized interventions of the Sanitation Hygiene Infant Nutrition Efficacy trial in Zimbabwe.

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)0,018
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,444
Écart entre enseignants0,319 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetChild Nutrition and Water AccessTravaux en français237 207