Microbial Epidemiology of the Cystic Fibrosis Airways: Past, Present, and Future
Notice bibliographique
Résumé
Abstract Progressive obstructive lung disease secondary to chronic airway infection, coupled with impaired host immunity, is the leading cause of morbidity and mortality in cystic fibrosis (CF). Classical pathogens found in the airways of persons with CF (pwCF) include Pseudomonas aeruginosa, Staphylococcus aureus, the Burkholderia cepacia complex, Achromobacter species, and Haemophilus influenzae. While traditional respiratory-tract surveillance culturing has focused on this limited range of pathogens, the use of both comprehensive culture and culture-independent molecular approaches have demonstrated complex highly personalized microbial communities. Loss of bacterial community diversity and richness, counteracted with relative increases in dominant taxa by traditional CF pathogens such as Burkholderia or Pseudomonas, have long been considered the hallmark of disease progression. Acquisition of these classic pathogens is viewed as a harbinger of advanced disease and postulated to be driven in part by recurrent and frequent antibiotic exposure driven by frequent acute pulmonary exacerbations. Recently, CF transmembrane conductance regulator (CFTR) modulators, small molecules designed to potentiate or restore diminished protein levels/function, have been successfully developed and have profoundly influenced disease course. Despite the multitude of clinical benefits, structural lung damage and consequent chronic airway infection persist in pwCF. In this article, we review the microbial epidemiology of pwCF, focus on our evolving understanding of these infections in the era of modulators, and identify future challenges in infection surveillance and clinical management.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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) | 0,000 | 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 tête enseignante, 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 ».