MétaCan
Menu
Retour à la cohorte
Enregistrement W4417200615 · doi:10.1093/bjd/ljaf508

Distinct bacterial facial cutaneous microbiota composition in adolescents with acne vulgaris: a population-based cross-sectional observational study

2025· article· en· W4417200615 sur OpenAlexaff
Willemijn C. A. M. Witkam, Alban Mathieu, Susi Elaine Dal Belo, Magali Moreau, Joost Verlouw, Tamar Nijsten, Luba M. Pardo

Notice bibliographique

RevueBritish Journal of Dermatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAcne and Rosacea Treatments and Effects
Établissements canadiensUniversité LavalCentre hospitalier de l'Université Laval
Organismes subventionnairesErasmus Universiteit RotterdamHealth Services Research and Development
Mots-clésAcneMicrobiomeObservational studyStreptococcusStaphylococcus epidermidis

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Acne vulgaris (acne) is a prevalent dermatological condition associated with distinct facial cutaneous microbiota compositions. However, existing research often has methodological limitations such as insufficient statistical power and the under-representation of diverse adolescent populations, which are highly relevant for understanding acne pathogenesis. OBJECTIVES: To compare bacterial facial cutaneous microbiota compositions between individuals with acne and healthy control participants in a large, multiethnic adolescent population, while adjusting for potential confounders. METHODS: In a population-based study, we compared bacterial facial cutaneous microbiota compositions using 16S rRNA sequencing in individuals with physician-evaluated acne (n = 399) and healthy control participants (n = 527); all included individuals were adolescents (median age 13 years). We also evaluated the independent associations of biological sex, puberty stage, perceived skin colour, ethnicity and weight with facial cutaneous microbiota compositions. Our analytical approaches included the assessment of alpha and beta diversity (including permutational multivariate analysis of variance), relative abundances, univariate coordinate analysis (analysis of compositions of microbiomes with bias correction 2) and phylogenetic analyses. RESULTS: The overall microbiota composition of individuals with acne was less rich and less diverse than that of control participants [Chao1 β -44.98 (SE 4.36), Shannon β -1.01 (SE 0.07); P < 0.01]. While acne status was a major contributor to variations in overall microbiota compositions (R2 = 4.32%, P < 0.01), skin colour, sex, puberty stage and weight also independently contributed to variations (R2 = 0.44-1.05%; P < 0.01). Specifically, individuals with acne had higher relative abundances of Cutibacterium and Staphylococcus species, and a lower abundance of Streptococcus species. Following confounder adjustment, bias correction and phylogenetic analysis, Cutibacterium granulosum, Cutibacterium acnes and Staphylococcus epidermidis emerged as the most differentially abundant species in individuals with acne vs. control participants (log fold changes = 0.75-2.17; P < 0.01). CONCLUSIONS: Our findings reveal distinct facial microbiota compositions in adolescents with acne, identifying C. granulosum, C. acnes and S. epidermidis as a key microbial signature. This study suggests a significant clinical relevance for C. granulosum in acne pathology and a potential protective role for Streptococcus species in acne-free skin. These results underscore the importance of representative study populations in microbiome research and provide important methodological and technical insights for future investigations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,299
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of DermatologyMême sujetAcne and Rosacea Treatments and EffectsTravaux en français237 207