Reduce, reinforce, and replenish: safeguarding the early-life microbiota to reduce intergenerational health disparities
Notice bibliographique
Résumé
Socioeconomic (SE) disparity and health inequity are closely intertwined and associated with cross-generational increases in the rates of multiple chronic non-communicable diseases (NCDs) in North America and beyond. Coinciding with this social trend is an observed loss of biodiversity within the community of colonizing microbes that live in and on our bodies. Researchers have rightfully pointed to the microbiota as a key modifiable factor with the potential to ease existing health inequities. Although a number of studies have connected the adult microbiome to socioeconomic determinants and health outcomes, few studies have investigated the role of the infant microbiome in perpetuating these outcomes across generations. It is an essential and important question as the infant microbiota is highly sensitive to external forces, and observed shifts during this critical window often portend long-term outcomes of health and disease. While this is often studied in the context of direct modulators, such as delivery mode, family size, antibiotic exposure, and breastfeeding, many of these factors are tied to underlying socioeconomic and/or cross-generational factors. Exploring cross-generational socioeconomic and health inequities through the lens of the infant microbiome may provide valuable avenues to break these intergenerational cycles. In this review, we will focus on the impact of social inequality in infant microbiome development and discuss the benefits of prioritizing and restoring early-life microbiota maturation for reducing intergenerational health disparities.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,003 | 0,001 |
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 ».