MétaCan
Menu
Retour à la cohorte
Enregistrement W3187968971 · doi:10.1128/mbio.02007-21

Meta-analysis of Clinical Microbiome Studies in Urolithiasis Reveal Age, Stone Composition, and Study Location as the Predominant Factors in Urolithiasis-Associated Microbiome Composition

2021· review· en· W3187968971 sur OpenAlexaff
Naveen Kachroo, Dirk Lange, Kristina L. Penniston, Joshua M. Stern, Gregory E. Tasian, Petar Bajic, Alan J. Wolfe, Mangesh Suryavanshi, Andrea Ticinesi, Tiziana Meschi, Manoj Monga, Aaron W. Miller

Notice bibliographique

RevuemBio · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueKidney Stones and Urolithiasis Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEndourological SocietyUrology Care Foundation
Mots-clésMicrobiomeComposition (language)BiologyComputational biologyEvolutionary biologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Studies focused on the microbiome broadly support the hypothesis that the microbiome influences the onset of chronic diseases such as urinary stone disease. However, it is unclear what environmental factors shape the microbiome in ways that increase the risk for chronic disease. In addition, it is unclear how differences in study methodology can impact the results of clinical metagenome-wide association studies. In the current meta-analysis, we show that age, stone composition, and study location are the predominant factors that associate with the microbiome and USD status. Furthermore, we reveal differences in results based on specific analytical protocols, which impacts the interpretation of any microbiome study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0110,003
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,288
Tête enseignante GPT0,474
Écart entre enseignants0,186 · 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 tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
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

Citations53
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetKidney Stones and Urolithiasis TreatmentsTravaux en français237 207