Secondary analysis reveals gut microbiota differences in patients with Parkinson’s disease and/or cognitive impairment
Notice bibliographique
Résumé
Background: Parkinson’s disease (PD) is a neurodegenerative disorder, and the main clinical characteristics are bradykinesia and muscle stiffness. Cognitive impairment (CI) is a prevalent non-motor manifestation observed in individuals with PD. According to disease severity, it can be divided into PD with mild cognitive impairment (MCI) and PD dementia. CI in PD patients may precede motor symptoms, and the gut microbiota plays an important role in PD pathogenesis. Therefore, gut microbiota may be one of the diagnostic targets for PD-CI. Methods: This study compared the gut microbiota of 43 PD-CI patients [Montreal Cognitive Assessment (MoCA) score < 26] and 38 PD patients without CI (MoCA ≥ 26). Patients’ neuropsychological conditions, depression scale, and brain structure scanned by magnetic resonance imaging (MRI) were also recorded. The fecal metagenomic datasets of patients with PD, PD-CI, and CI only were retrieved from public databases for reanalysis to explore the relationship between PD, CI, and gut microbiota. Results: We found that the cortical thickness and the volume of the hippocampus, gray matter, and thalamus were significantly reduced among patients with PD-CI compared to PD without CI (P < 0.05). Moreover, the gut microbiome in patients with PD-CI had fewer short-chain fatty acid (SCFA) producing bacteria and more pathogenic bacteria. There were also alterations in patterns of metabolic pathway-encoding genes. Additionally, PD affected gut microbiota more than CI. Conclusion: CI may aggravate the severity of PD, but it did not drastically alter subjects’ gut microbiota. This study reveals the relationship between gut microbiota, PD, and CI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 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 ».