MétaCan
Menu
Retour à la cohorte
Enregistrement W2809846751 · doi:10.3899/jrheum.180133

The Microbiome in Psoriasis and Psoriatic Arthritis: The Skin Perspective

2018· review· en· W2809846751 sur OpenAlexvenueno aff
Hok Bing Thio

Notice bibliographique

RevueThe Journal of Rheumatology · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePsoriasisPsoriatic arthritisMicrobiomePerspective (graphical)DermatologyArthritisImmunologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Psoriasis is a chronic, inflammatory immune-mediated skin disease that affects about 2% of the world’s population. In 20% of patients with psoriasis, the characteristic skin lesions are accompanied by psoriatic arthritis (PsA). Psoriasis arises in genetically predisposed individuals who have a dysregulated immune response to various environmental factors. The human body is home to many microbial species, and both the skin and the gut microbiome influence the development and function of immune tissue development and function. Studies on the cutaneous microbiome show a trend toward an increased relative abundance of Streptococcus and a decreased level of Propionibacterium in patients with psoriasis compared to healthy controls. In the gut microbiome, the ratio of Firmicutes and Bacteroidetes was perturbed in psoriatic individuals compared to healthy controls. Actinobacteria was relatively underrepresented in patients with psoriasis compared to healthy individuals. A decrease in skin microbiome flora diversity seems to be a sign that a patient with psoriasis is at elevated risk for developing arthritis. Modulating the skin microbiota for therapeutic reasons can be achieved by antimicrobial (antibiotic) therapy, the application of prebiotics or probiotics, or the transplantation of an entire healthy microbial population.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0040,001

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 Opus0,017
Tête enseignante GPT0,314
Écart entre enseignants0,297 · 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

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetDermatology and Skin DiseasesTravaux en français237 207