Microbial dysbiosis in cannabis smoking is associated with worse respiratory symptoms
Notice bibliographique
Résumé
Introduction: ~220 million people use cannabis annually. While smoking cannabis worsens respiratory symptoms and alters immune response, the impacts of smoking cannabis on lung health are unclear. Objective: Explore potential outcomes of cannabis smoke on the lung microbiome and respiratory symptoms. Methods: 26 cannabis smoking (CS) and 24 non-smoking (NS) participants completed the St. Georges Respiratory Questionnaire (SGRQ) and underwent bronchoalveolar lavage (BAL) collection for 16S rRNA sequencing. Alpha and beta diversity was measured using Shannon diversity index and Weighted UniFrac with PERMANOVA, adjusted for age and sex. Relative abundance (RA) of 10 most abundant genera were compared between groups. Spearman’s correlation was tested between diversity/RA measures and SGRQ scores. Results: SGRQ scores were worse in CS (p=0.008). Alpha diversity was similar, but in CS lower Shannon index was correlated with worse SGRQ scores (Fig 1A). Beta diversity was different between CS and NS (p=0.026, Fig 1B). In CS, RA was higher in Prevotella (p=0.046) and Veillonella (p=0.009) and was lower in Neisseria (p=0.035) compared to NS. In CA, Streptococcus RA increased with joint-years (p=0.011, Fig 1C) and with worse SGRQ symptom scores (p=0.038, Fig 1D). Conclusions: Cannabis smoke is associated with changes in the airway microbiome, which may contribute to worse respiratory symptoms. erj;66/suppl_69/PA5236/F1 F1 F1
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».