MétaCan
Menu
Retour à la cohorte
Enregistrement W4289176112 · doi:10.3390/life12081163

Long-Duration Space Travel Support Must Consider Wider Influences to Conserve Microbiota Composition and Function

2022· review· en· W4289176112 sur OpenAlexaff
Kait F. Al, John A. Chmiel, Gerrit A. Stuivenberg, Gregor Reid, Jeremy P. Burton

Notice bibliographique

RevueLife · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSpaceflight effects on biology
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésMicrobiomeBiologyGut floraSpaceflightDysbiosisMetagenomicsFunction (biology)PrebioticBiotechnologyImmunologyFood scienceBioinformaticsEngineeringEvolutionary biology

Résumé

récupéré en direct d'OpenAlex

The microbiota is important for immune modulation, nutrient acquisition, vitamin production, and other aspects for long-term human health. Isolated model organisms can lose microbial diversity over time and humans are likely the same. Decreasing microbial diversity and the subsequent loss of function may accelerate disease progression on Earth, and to an even greater degree in space. For this reason, maintaining a healthy microbiome during spaceflight has recently garnered consideration. Diet, lifestyle, and consumption of beneficial microbes can shape the microbiota, but the replenishment we attain from environmental exposure to microbes is important too. Probiotics, prebiotics, fermented foods, fecal microbiota transplantation (FMT), and other methods of microbiota modulation currently available may be of benefit for shorter trips, but may not be viable options to overcome the unique challenges faced in long-term space travel. Novel fermented food products with particular impact on gut health, immune modulation, and other space-targeted health outcomes are worthy of exploration. Further consideration of potential microbial replenishment to humans, including from environmental sources to maintain a healthy microbiome, may also be required.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,659
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,339
Écart entre enseignants0,285 · 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'étudeSans objet
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLifeMême sujetSpaceflight effects on biologyTravaux en français237 207