Energy Demands of Early Life Drive a Disease Tolerant Phenotype and Dictate Outcome in Neonatal Bacterial Sepsis
Notice bibliographique
Résumé
Bacterial sepsis is one of the leading causes of death in newborns. In the face of growing antibiotic resistance, it is crucial to understand the pathology behind the disease in order to develop effective interventions. Neonatal susceptibility to sepsis can no longer be attributed to simple immune immaturity in the face of mounting evidence that the neonatal immune system is tightly regulated and well controlled. The neonatal immune response is consistent with a "disease tolerance" defense strategy (minimizing harm from immunopathology) whereas adults tend toward a "disease resistance" strategy (minimizing harm from pathogens). One major advantage of disease tolerance is that is less energetically demanding than disease resistance, consistent with the energetic limitations of early life. Immune effector cells enacting disease resistance responses switch to aerobic glycolysis upon TLR stimulation and require steady glycolytic flux to maintain the inflammatory phenotype. Rapid and intense upregulation of glucose uptake by immune cells necessitates an increased reliance on fatty acid metabolism to (a) fuel vital tissue function and (b) produce immunoregulatory intermediates which help control the magnitude of inflammation. Increasing disease resistance requires more energy: while adults have fat and protein stores to catabolize, neonates must reallocate resources away from critical growth and development. This understanding of sepsis pathology helps to explain many of the differences between neonatal and adult immune responses. Taking into account the central role of metabolism in the host response to infection and the severe metabolic demands of early life, it emerges that the striking clinical susceptibility to bacterial infection of the newborn is at its core a problem of metabolism. The evidence supporting this novel hypothesis, which has profound implications for interventions, is presented in this review.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».