The role of Fecal Microbiota Transplantation (FMT) in treating patients with multiple sclerosis
Notice bibliographique
Résumé
Introduction The associations between multiple sclerosis (MS) and altered intestinal microbiomes have clinicians considering the use of fecal microbiota transplantation (FMT). Animal data suggests that administering FMT from people with MS into healthy mice results in a microbiome with decreased abundance of Sutterella, reduced anti-inflammatory signals, increase in inflammation and experimental autoimmune encephalomyelitis (EAE). Animal studies that administered FMT (from normal healthy donors) into mice resulted in slowing down EAE development relieving symptoms, improving BBB integrity and restoration of microbiota diversity. Human studies indicated clinical benefits of FMT (from healthy donors) in people with MS including: improved intestinal motility and motor ability which lasted at least for the duration of the studies, ranging from 2 to 15 years.Areas covered The authors discuss the efficacy and safety of FMT in treatment of experimental MS in animals and humans with MS. A literature search was performed via PubMed (up to July 2023), using the key words: multiple sclerosis, fecal microbiota transplantation, microbiome.Expert opinion Limited associative data do not provide an understanding of role of FMT in the treatment for MS. Until appropriately designed randomized comparative trials which are underway, are completed, we cannot recommend routine use of FMT in people with MS.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».