Gut Microbiome Is Related to Cognitive Impairment in Peritoneal Dialysis Patients
Notice bibliographique
Résumé
Gut microbiota disturbances may influence cognitive function, increasing uremic toxins and inflammation in dialysis patients; therefore, we aimed to evaluate the association of the gut microbiota profile with cognitive impairment (CI) in patients on automated peritoneal dialysis (APD). In a cross-sectional study, cognitive function was evaluated using the Montreal Cognitive Assessment in 39 APD patients and classified as normal cognitive function and CI. The gut microbiota was analyzed using the 16S rRNA gene sequencing approach. All patients had clinical, biochemical and urea clearance evaluations. Eighty-two percent of patients were men, with a mean age of 47 ± 24 years and 11 (7–48) months on PD therapy; 64% had mild CI. Patients with CI were older (53 ± 16 vs. 38 ± 14, p = 0.006) and had a higher frequency of diabetes mellitus (56% vs. 21%, p = 0.04) and constipation (7% vs. 48%, p = 0.04) and lower creatinine concentrations (11.3 ± 3.7 vs. 14.9 ± 5.4, p = 0.02) compared to normal cognitive function patients. Patients with CI showed a preponderance of S24_7, Rikenellaceae, Odoribacteraceae, Odoribacter and Anaerotruncus, while patients without CI had a greater abundance of Dorea, Ruminococcus, Sutterella and Fusobacteria (LDA score (Log10) > 2.5; p < 0.05). After glucose and age adjustment, Odoribacter was still associated with CI. In conclusion, patients with CI had a different gut microbiota characterized by the higher abundance of indole-producing and mucin-fermenting bacteria compared to normal cognitive function patients.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».