Factors shaping vaginal microbiota long-term community dynamics in young adult women
Notice bibliographique
Résumé
The vaginal microbiota is known to affect women's health. Yet, there is a notable paucity of high-resolution follow-up studies lasting several months, which would be required to interrogate the long-term dynamics and associations with demographic and behavioural covariates. Here, we present a high-resolution longitudinal cohort study of 125 women, followed for a median duration of 8.6 months, with a median of 11 samples collected per woman. Using a hierarchical Bayesian Markov model, we characterised the patterns of vaginal microbiota community persistence and transition, simultaneously estimated the impact of 16 covariates and quantified individual variability among women. We showed that "optimal" (Community State Type (CST) I, II, and V) and "sub-optimal" (CST III) communities are more stable over time than "non-optimal" (CST IV) ones. Furthermore, we found that some covariates - most notably alcohol consumption - impacted the probability of shifting from one CST to another. We performed counterfactual simulations to confirm that alterations of key covariates, such as alcohol consumption, could shape the prevalence of different microbiota communities in the population. Finally, our analyses indicated that there is a relatively canalised pathway leading to the deterioration of vaginal microbiota communities, whereas the paths to recovery can be highly individualised among women. In addition to providing one of the first insights into vaginal microbiota dynamics over a year, our study showcases a novel application of a hierarchical Bayesian Markov model to clinical cohort data with many covariates. Our findings pave the way for an improved mechanistic understanding of microbial dynamics in the vaginal environment and the development of novel preventative and therapeutic strategies to improve vaginal health.
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 | 0,005 |
| 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) | 0,001 | 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 ».