Bacterial Biomarkers of the Oropharyngeal and Oral Cavity during SARS-CoV-2 Infection
Notice bibliographique
Résumé
(1) Background: Individuals with COVID-19 display different forms of disease severity and the upper respiratory tract microbiome has been suggested to play a crucial role in the development of its symptoms. (2) Methods: The present study analyzed the microbial profiles of the oral cavity and oropharynx of 182 COVID-19 patients compared to 75 unaffected individuals. The samples were obtained from gargle screening samples. 16S rRNA amplicon sequencing was applied to analyze the samples. (3) Results: The present study shows that SARS-CoV-2 infection induced significant differences in bacterial community assemblages, with Prevotella and Veillonella as biomarkers for positive-tested people and Streptococcus and Actinomyces for negative-tested people. It also suggests a state of dysbiosis on the part of the infected individuals due to significant differences in the bacterial community in favor of a microbiome richer in opportunistic pathogens. (4) Conclusions: SARS-CoV-2 infection induces dysbiosis in the upper respiratory tract. The identification of these opportunistic pathogenic biomarkers could be a new screening and prevention tool for people with prior dysbiosis.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».