Host Fecal mRNAs Predicted Environmental Enteric Dysfunction among Children with Moderate Acute Malnutrition in Sierra Leone
Notice bibliographique
Résumé
Examining the role of environmental enteric dysfunction (EED) in child growth requires noninvasive, field-appropriate biomarkers. Alternatives to the traditionally used lactulose:mannitol (L:M) test have been explored, but few studies have compared the L:M test to host fecal mRNA transcripts. The objectives of this study were to examine whether 1) host fecal mRNA transcripts could predict presence and severity of EED, measured using the L:M test, and 2) EED modifies the effect of specialized nutritious foods (SNFs) on recovery from moderate acute malnutrition (MAM). This substudy was nested within a cluster randomized trial comparing four SNFs in the treatment of MAM among children 6 to 59 months in Sierra Leone. EED was assessed at enrollment using the L:M test and 15 host fecal mRNA transcripts on 522 children. Recovery from MAM was defined as achieving mid-upper arm circumference ≥ 12.5 cm within 12 weeks of supplementation. Random forest classification models were used to examine prediction of presence and severity of EED by host fecal mRNA transcripts. Logistic regression was used to test for effect modification by L:M test variables including % lactulose excreted (%L). Eight host fecal mRNA transcripts (AQP9, REG3A, IFI30, DECR1, BIRC3, SELL, PIK3AP1, DEFA6) identified EED (%L ≥ 0.2) and severe EED (%L ≥ 0.45) with high sensitivity and specificity. The L:M test variables did not modify the effect of SNFs on recovery from MAM. In this study, we found host fecal mRNA transcripts that could be biomarkers of EED but did not find EED to modify the effect of SNFs on MAM treatment.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».