MétaCan
Menu
Retour à la cohorte
Enregistrement W3135309709

First Episode Psychosis: The Commensal Gut Microbiota Perspective

2020· article· en· W3135309709 sur OpenAlexaffvenue
Sylvie Bowden, Kenya A. Costa-Dookhan, Sri Mahavir Agarwal, Margaret Hahn

Notice bibliographique

RevueUniversity of Toronto Medical Journal · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAntipsychoticSchizophrenia (object-oriented programming)MedicineMicrobiomeDiseaseType 2 diabetesPsychosisInsulin resistanceDiabetes mellitusBioinformaticsObesityPsychiatryInternal medicineEndocrinologyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The rates of type 2 diabetes (T2D) in patients with schizophrenia (SCZ) are 3-5-fold higher than in the general population, contributing to a two-fold higher mortality due to cardiovascular disease (CVD). Antipsychotics, namely second-generation antipsychotics (SGAs), the cornerstone of treatment for this illness, induce weight gain and increase risk for diabetes. Accumulating research has demonstrated that the gut microbiome (GMB) plays a primary function in energy metabolism and could be a central factor in the pathophysiology of obesity and metabolic dysfunction. Antipsychotics are well known to contribute to metabolic dysregulation in patients with SCZ possibly through their impact on the GMB. This effect may be mediated by changes in dietary pattern induced by antipsychotics. Alterations in the GMB therefore may be contributing to both the etiology and concurrent metabolic dysregulation observed in schizophrenia spectrum disorders.   In this review, we aim explore how GMB affect the pathophysiology and treatment in this difficult to treat condition. We will review the GMB in relation to patients with first episode psychosis and the changes that occur within the microbiota when antipsychotic medication is introduced. The focus will be on SGAs, given their high propensity to cause weight gain and other metabolic side effects (namely glucose dysfunction, insulin resistance). The interplay between the GMB and SGAs will be explored further by examining neurotransmitter modulations, endocrine system function, and dietary changes.  This commentary highlights the need for more large scale, clinical studies investigating antipsychotic induced changes to the gut microbiome and the importance of making changes to a patient’s care pathway with the GMB in mind.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
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 Opus0,009
Tête enseignante GPT0,238
Écart entre enseignants0,229 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Medical JournalMême sujetGut microbiota and healthTravaux en français237 207