MétaCan
Menu
Retour à la cohorte
Enregistrement W4405674258 · doi:10.20517/mrr.2024.22

Potential effects of probiotics on atherosclerosis

2024· review· en· W4405674258 sur OpenAlexaff
Gerrit A. Stuivenberg, Annabel Poon, Jeremy P. Burton, J. David Spence

Notice bibliographique

RevueMicrobiome Research Reports · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineTrimethylamine N-oxideGut microbiomeDiseaseMicrobiomeIn vivoGut floraPharmacologyIntensive care medicineBioinformaticsInternal medicineBiologyTrimethylamineImmunologyBiotechnologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

The rising global incidence of atherosclerosis (AS) highlights the inadequacies in our understanding of the pathophysiology and treatment of the disease. Increasing evidence outlines the importance of the intestinal microbiome in AS, wherein gut-derived uremic toxins (GDUTs) may be of concern. Plasma levels of the GDUTs trimethylamine n-oxide (TMAO), p -cresyl sulfate, and indoxyl sulfate are associated with accelerated renal function decline and increased cardiovascular risk. Thus, reducing the amount of GDUTs in circulation is expected to benefit patients with AS. Because some beneficial bacteria can clear GDUTs in vitro and in vivo , orally administered probiotics targeting the intestinal tract represent a promising way to bring about these changes. As such, this perspective reviews the potential use of probiotics to treat AS, particularly in patients with non-traditional risk factors and/or impaired renal function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,422
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrobiome Research ReportsMême sujetGut microbiota and healthTravaux en français237 207