Probiotic treatment vs empiric oral antibiotics for managing dysbiosis in short bowel syndrome: Impact on the mucosal and stool microbiota, short‐chain fatty acids, and adaptation
Notice bibliographique
Résumé
BACKGROUND: Infants and children with short bowel syndrome (SBS) are presumed to be at risk of gut microbial dysbiosis with potential sequelae of bacterial overgrowth that include sepsis, d-lactic acidosis, mucosal inflammation, and malabsorption. In neonatal piglets with SBS, we compared intestinal microbial composition, short-chain fatty acids (SCFAs), and adaptation given probiotic (PRO) treatment (Lactobacillus and Bifidobacterium spp) vs oral metronidazole (MET). METHODS: Following 75% distal small intestinal resection, piglets were allocated to PRO (500 mg twice a day, n = 7), MET (15 mg/kg twice a day, n = 8), and placebo (PLA) (500 mg twice a day, n = 8). After 10 days of parenteral and enteral nutrition, 16S ribosomal RNA gene amplicon sequencing (colon tissue and stool) was undertaken and SCFA analysis (stool and colon effluent) was performed using gas chromatography. RESULTS: In colon, Shannon diversity was higher for PRO compared with MET and PLA (P = 0.002). PRO and PLA increased abundance of Bacteroidetes species (eg, Bacteroides fragilis) compared with MET (P < 0.001). PRO, compared with PLA, increased abundance of Firmicutes species (eg, Lactobacillus fermentum) (P < 0.001). MET increased abundance of Proteobacteria members, predominately Enterobacteriaceae, compared with PRO (P = 0.004). In stool, microbial findings were similar and SCFA (butyrate) concentrations were highest for PRO (P = 0.003) compared with MET. CONCLUSION: In pediatric SBS, the empiric use of oral antibiotics, such as MET, is common for presumed clinical consequences of microbial dysbiosis. In this study of SBS piglets, that approach was associated with decreased microbial diversity and increased abundance of potentially inflammatory Proteobacteria. In contrast, a PRO treatment using Lactobacillus and Bifidobacterium spp increased both diversity and SCFAs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».