Effects of a Saccharomyces cerevisiae-Derived Postbiotic in Adult Labrador Retrievers Undergoing Exercise and Transport Stress
Notice bibliographique
Résumé
Postbiotics are emerging as potential functional ingredients for companion animal diets. This study aimed to determine if a Saccharomyces cerevisiae-based postbiotic can alter cytokine and stress responses to exercise and transport stress in adult Labrador Retrievers. Dogs received 15 g ground corn germ (Control, n = 12), 7.5 g postbiotic (Low, n = 12), or 15 g postbiotic (High, n = 12), daily for 63 days. Exercise was twice weekly for 7 weeks, and a single transport per dog occurred in week 8. Fecal inflammatory biomarkers, serum chemistries, and complete blood counts were assessed at the beginning and end of the study. Serum cytokines were quantified before and 18–20 h after the first and last exercise runs. Gait analysis was assessed before and 24 h after the first and final runs. Saliva cortisol was measured before and after transportation. Treatment did not affect blood chemistries, gait, fecal biomarkers, or saliva cortisol (p ≥ 0.19). Eosinophils increased slightly in Controls (p = 0.01), though remained below 0.80 × 109 cells/L. Most cytokines were unaffected by treatment (p ≥ 0.15), but there were minor changes in circulating monocyte chemoattractant protein-1 (p = 0.01) and IL-8 over time at the initial run (p = 0.03) and IL-10 in males (p = 0.02) in the Low dose dogs. The High dose decreased Blautia (p = 0.04) slightly and tended to decrease Fusobacterium abundances (p = 0.07). The Low dose tended to increase Clostridium hiranonis (p = 0.07) slightly. The tested S. cerevisiae postbiotic produced small changes in immune function and gut microbial species in dogs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».