A cross‐sectional study of MRI features and the gut microbiome in pediatric‐onset multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To identify gut microbiome features associated with MRI lesion burden in persons with pediatric-onset multiple sclerosis (symptom onset <18 years). METHODS: A cross-sectional study involving the Canadian Paediatric Demyelinating Disease Network study participants. Gut microbiome features (alpha diversity, phylum- and genus-level taxa) were derived using 16S rRNA sequencing from stool samples. T1- and T2-weighted lesion volumes were measured on brain MRI obtained within 6 months of stool sample procurement. Associations between the gut microbiota and MRI metrics (cube-root-transformed) were assessed using standard and Lasso regression models. RESULTS: Thirty-four participants were included; mean ages at symptom onset and MRI were 15.1 and 19.0 years, respectively, and 79% were female. The T1- and T2-weighted lesion volumes were not significantly associated with alpha diversity (age and sex-adjusted p > 0.08). At the phylum level, high Tenericutes (relative abundance) was associated with higher T1 and T2 volumes (β coefficient = 0.25, 0.37) and high Firmicutes, Patescibacteria or Actinobacteria with lower lesion volumes (β coefficient = -0.30 to -0.07). At the genus level, high Ruminiclostridium, whereas low Coprococcus 3 and low Erysipelatoclostridium were associated with higher lesion volumes. INTERPRETATION: Our study characterized the gut microbiota features associated with MRI lesion burden in pediatric-onset MS, shedding light onto possible pathophysiological mechanisms.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».