MétaCan
Menu
← Retour à la cohorte
Enregistrement W3200234058

Age, water source, and sex do not significantly affect the microbiome of the Hadza people of Tanzania

2021· article· en· W3200234058 sur OpenAlexaff
Ananya Saraph, Maxim Daspe, Mona Golmohammadzadeh, Alina Chalanuchpong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMicrobiomeTanzaniaGut microbiomeBiologyDeveloped countryEcologyDemographyGeographyPopulationSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Very little is currently known about the factors affecting the gut and skin microbiomes of the Hadza people of Tanzania. Most of the current microbiome research has been conducted on industrialized populations, with age, sex, water, and diet identified as some of the factors influencing microbiome composition and variation. Societies like the Hadzabe are increasingly being studied, as their hunter-gatherer lifestyle may give insight into the pre-industrial microbiome. The purpose of our analyses was to use knowledge of the Hadza lifestyle to try to determine whether age, sex, and water source, which are important determinants of industrialized microbiomes, also influence the Hadza microbiome. We investigated the effects of age and sex on the volatility and composition of the Hadza gut microbiome, respectively. We also observed the composition of the gut microbiome of individuals using water sources with distinct microbial compositions. Additionally, we looked at the effects of sex on the skin microbiome of Hadza individuals. From the results of these analyses, we observed no significant impact of age, sex, or water source on either the volatility or composition of the gut and skin microbiomes. Our study provides further insight into the unique lifestyle of the Hadza people and its effect on their microbiomes, which contributes to bridging the knowledge gap between industrialized and non-industrialized populations.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,228
Écart entre enseignants0,221 · 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'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGut microbiota and health→Travaux en français237 207→