Pre- and post-LEEP: analysis of the female urogenital tract microenvironment and its association with sexual dysfunction
Notice bibliographique
Résumé
Abstract Background The loop electrosurgical excision procedure (LEEP) to treat cervical dysplasia (CD) is known to alter the cervical microbiota, the community of bacteria that play a central role in female genital health. Perturbations to the microbiota of the female urogenital tract (FUT), including the urethra, vagina, and cervix, have been linked with symptoms of sexual dysfunction (SD), though correlations among LEEP, the microenvironment, and SD have not yet been described. Aims To characterize the FUT microbiota before and after LEEP and investigate possible associations with SD. Methods Females undergoing LEEP for CD were recruited to participate in the study. Urinary samples and vaginal and cervical swabs were collected immediately before and 3 months after treatment. Bacterial communities were characterized by 16S rRNA next-generation sequencing. Self-report surveys assessing demographics, medical history, and sexual function were completed at the same intervals. Outcomes Microbiota taxonomy and Female Sexual Function Index (FSFI) scores. Results Alpha diversity revealed a significant decrease in species richness in the FUT microbiota post-LEEP. Beta diversity demonstrated significant differences among the cervical, urinary, and vaginal microenvironments pre- and post-LEEP. Lactobacillus spp were the dominant microbial genus in the cervical microenvironment pre- and post-LEEP. Although the vaginal and urinary microenvironments were characterized by Prevotella pre-LEEP, they were colonized by Lactobacillus post-LEEP. Following LEEP, some participants experienced a significant increase in proinflammatory bacteria, including the genera Gardnerella, Megasphaera, Sneathia, Parvimonas, and Peptostreptococcus. Others experienced significant decreases in inflammatory and protective bacteria post-LEEP, including Butyricicoccus, Terriporobacter, Intestinimonas, and Negativibacillus. Overall there were no significant changes in pre- and post-LEEP FSFI scores. However, post-LEEP FSFI scores were seemingly associated with changes in inflammatory bacteria in some participants. Clinical Implications There is an overall reduction in FUT microbiota dysbiosis post-LEEP. However, we show variability as some participants experienced persistent dysbiosis of FUT microbiota and elevated FSFI scores, suggesting that therapies to treat dysbiosis of FUT microbiota may reduce FSFI scores, thereby improving SD symptoms. Strengths and Limitations We demonstrate novel associations among urogenital sites, microbiota changes, LEEP, and SD. The small sample size and inability of species classification are limitations. Conclusion Diverse inflammatory microbiota characterizes CD in the FUT, and LEEP mostly returns microenvironments to a healthy state. However, some participants have persistent inflammatory bacteria post-LEEP, suggesting a non-uniform healing response. This study provides an impetus for future longitudinal studies to monitor and restore FUT microenvironments post-LEEP, aimed at mitigating postoperative SD symptoms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».