Secretory IgA modifies the association between early-life gut microbiota trajectories and childhood nonatopic wheeze
Notice bibliographique
Résumé
Aims Wheezing in childhood is common and evidence is accumulating for the role of the gut microbiome in the development of atopic wheeze. Changes to the early-life gut microbiota and secretory IgA (SIgA) production have been linked to childhood disease; however, their connection to nonatopic wheeze is unknown. The objectives of the present study were to evaluate the relationships between early-life gut microbiota trajectories, SIgA and childhood nonatopic wheeze. Methods Early-life gut microbiota, SIgA and child outcome data were collected as part of the Canadian Healthy Infant Longitudinal Development (CHILD) cohort study on 1203 children. Gut microbiota trajectories were categorised as C1–C1, C1–C2, C2–C1 and C2–C2 based on low (cluster 1; C1) or high (cluster 2; C2) Bacteroides abundance in faecal samples collected at 3 and 12 months. SIgA was assessed in faecal samples at 3 months. Results The main outcome was nonatopic wheeze before age 5 years (n=105). Logistic regression analysis showed the C1–C2 trajectory, of low Bacteroides abundance at 3 months but higher Bacteroides abundance at 12 months, to be associated with increased adjusted odds ratio (aOR) for nonatopic wheeze (aOR 1.74, 95% CI 1.13–2.67). This was further increased if the child was not exclusively breastfed and had high SIgA level in combination with the C1–C2 trajectory (OR 4.10, 95% CI 1.15–14.59). Conclusions Nonatopic wheeze is associated with a depletion of Bacteroides in infancy, and in children not exclusively breastfed the risk is further increased among those with high endogenous SIgA levels. These results highlight the importance of the interplay between the gut microbiota and immune system development during critical periods in early life and how it is linked to nonatopic wheeze in childhood.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».