Characterization of the gut microbiota of Nicaraguan children in a water insecure context
Notice bibliographique
Résumé
OBJECTIVES: The gut microbiota varies across human populations. The first years of life are a critical period in its development. While delivery mode and diet contribute to observed variation, the additional contribution of specific environmental factors remains poorly understood. One factor is waterborne enteric pathogen exposure. In this pilot study, we explore the relationship between household water security and the gut microbiota of children. METHODS: From Nicaraguan households (n = 39), we collected drinking water samples, as well as fecal samples from children aged one month to 5.99 years (n = 53). We tested water samples for total coliforms (CFU/mL) and the presence of common enteric pathogens. Composition and diversity of the gut microbiota were characterized by 16S rRNA sequencing. Households were classified as having drinking water that was "low" (<29 CFU/mL) or "high" (≥29 CFU/mL) in coliforms. We used permutational analyses of variance and Mann-Whitney U-tests to identify differences in the composition and diversity of the gut microbiota of children living in these two home types. RESULTS: Insecure access led households to store drinking water and 85% tested positive for coliforms. High concentrations of Salmonella and Campylobacter were found in water and fecal samples. Controlling for age, the gut microbiota of children from high coliform homes were compositionally different and less diverse than those from low coliform homes. CONCLUSIONS: Results indicate that research exploring the ways water insecurity affects human biology should consider the gut microbiome and that investigations of inter-population variation in the gut microbial community of children should consider pathogen exposure and infection.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».