The gut microbiome and early-life growth in a population with high prevalence of stunting
Notice bibliographique
Résumé
Stunting affects one-in-five children globally and is associated with greater infectious morbidity, mortality and neurodevelopmental deficits. Recent evidence suggests that the early-life gut microbiome affects child growth through immune, metabolic and endocrine pathways. Using whole metagenomic sequencing, we map the assembly of the gut microbiome in 335 children from rural Zimbabwe from 1-18 months of age who were enrolled in the Sanitation, Hygiene, Infant Nutrition Efficacy Trial (SHINE; NCT01824940), a randomized trial of improved water, sanitation and hygiene (WASH) and infant and young child feeding (IYCF). Here, we show that the early-life gut microbiome undergoes programmed assembly that is unresponsive to the randomized interventions intended to improve linear growth. However, maternal HIV infection is associated with over-diversification and over-maturity of the early-life gut microbiome in their uninfected children, in addition to reduced abundance of Bifidobacterium species. Using machine learning models (XGBoost), we show that taxonomic microbiome features are poorly predictive of child growth, however functional metagenomic features, particularly B-vitamin and nucleotide biosynthesis pathways, moderately predict both attained linear and ponderal growth and growth velocity. New approaches targeting the gut microbiome in early childhood may complement efforts to combat child undernutrition.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».