Neurodevelopmental implications of COVID-19-induced gut microbiome dysbiosis in pregnant women
Notice bibliographique
Résumé
The global public health emergency of COVID-19 in January 2020 prompted a surge in research focusing on the pathogenesis and clinical manifestations of the virus. While numerous reports have been published on the acute effects of COVID-19 infection, the review explores the multifaceted long-term implications of COVID-19, with a particular focus on severe maternal COVID-19 infection, gut microbiome dysbiosis, and neurodevelopmental disorders in offspring. Severe COVID-19 infection has been associated with heightened immune system activation and gastrointestinal symptoms. Severe COVID-19 may also result in gut microbiome dysbiosis and a compromised intestinal mucosal barrier, often referred to as 'leaky gut'. Increased gut permeability facilitates the passage of inflammatory cytokines, originating from the inflamed intestinal mucosa and gut, into the bloodstream, thereby influencing fetal development during pregnancy and potentially elevating the risk of neurodevelopmental disorders such as autism and schizophrenia. The current review discusses the role of cytokine signaling molecules, microglia, and synaptic pruning, highlighting their potential involvement in the pathogenesis of neurodevelopmental disorders following maternal COVID-19 infection. Additionally, this review addresses the potential of probiotic interventions to mitigate gut dysbiosis and inflammatory responses associated with COVID-19, offering avenues for future research in optimizing maternal and fetal health outcomes.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».