The effects of inhaled aztreonam on the cystic fibrosis lung microbiome
Notice bibliographique
Résumé
BACKGROUND: Aztreonam lysine for inhalation (AZLI) is an inhaled antibiotic used to treat chronic Pseudomonas aeruginosa infection in CF. AZLI improves lung function and quality of life, and reduces exacerbations-improvements attributed to its antipseudomonal activity. Given the extremely high aztreonam concentrations achieved in the lower airways by nebulization, we speculate this may extend its spectrum of activity to other organisms. As such, we sought to determine if AZLI affects the CF lung microbiome and whether community constituents can be used to predict treatment responsiveness. METHODS: Patients were included if they had chronic P. aeruginosa infection and repeated sputum samples collected before and after AZLI. Sputum DNA was extracted, and the V3-hypervariable region of the 16S ribosomal RNA (rRNA) gene amplified and sequenced. RESULTS: improvement following initiation. No significant changes in alpha diversity were noted following AZLI. Furthermore, beta diversity demonstrated clustering with respect to patients, but had no association with AZLI use. However, we did observe a decline in the relative abundance of several individual operational taxonomic units (OTUs) following AZLI initiation suggesting that specific sub-populations of organisms may be impacted. Patients with higher abundance of Staphylococcus and anaerobic organisms including Prevotella and Fusobacterium were less likely to respond to therapy. CONCLUSIONS: Results from our study suggest potential alternate/additional mechanisms by which AZLI functions. Moreover, our study suggests that the CF microbiota may be used as a biomarker to predict patient responsiveness to therapy suggesting the microbiome may be harnessed for the personalization of therapies.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».