MétaCan
Menu
Retour à la cohorte
Enregistrement W2321727697 · doi:10.1186/s12916-016-0604-8

Moody microbes or fecal phrenology: what do we know about the microbiota-gut-brain axis?

2016· editorial· en· W2321727697 sur OpenAlexaff
Paul Forsythe, Wolfgang Kunze, John Bienenstock

Notice bibliographique

RevueBMC Medicine · 2016
Typeeditorial
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesOffice of Naval Research
Mots-clésGut–brain axisNeuroscienceMicrobiomeBrain functionGut floraMedicineCentral nervous systemFunction (biology)Nervous systemImmunologyCognitive scienceBiologyBioinformaticsEvolutionary biologyPsychology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The microbiota-gut-brain axis is a term that is commonly used and covers a broad set of functions and interactions between the gut microbiome, endocrine, immune and nervous systems and the brain. The field is not much more than a decade old and so large holes exist in our knowledge. DISCUSSION: At first sight it appears gut microbes are largely responsible for the development, maturation and adult function of the enteric nervous system as well as the blood brain barrier, microglia and many aspects of the central nervous system structure and function. Given the state of the art in this exploding field and the hopes, as well as the skepticism, which have been engendered by its popular appeal, we explore recent examples of evidence in rodents and data derived from studies in humans, which offer insights as to pathways involved. Communication between gut and brain depends on both humoral and nervous connections. Since these are bi-directional and occur through complex communication pathways, it is perhaps not surprising that while striking observations have been reported, they have often either not yet been reproduced or their replication by others has not been successful. CONCLUSIONS: We offer critical and cautionary commentary on the available evidence, and identify gaps in our knowledge that need to be filled so as to achieve translation, where possible, into beneficial application in the clinical setting.

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)0,007
score de la tête « metaresearch » (Gemma)0,026
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,026
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,005
Communication savante0,0060,005
Science ouverte0,0030,001
Intégrité de la recherche0,0150,026
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,014
Tête enseignante GPT0,312
Écart entre enseignants0,298 · 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
GenreÉditorial

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

En bref

Citations166
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetGut microbiota and healthTravaux en français237 207