Human microbiota research in Africa: a systematic review reveals gaps and priorities for future research
Notice bibliographique
Résumé
Abstract Background The role of the human microbiome in health and disease is an emerging and important area of research; however, there is a concern that African populations are under-represented in human microbiome studies. We, therefore, conducted a systematic survey of African human microbiome studies to provide an overview and identify research gaps. Our secondary objectives were: (i) to determine the number of peer-reviewed publications; (ii) to identify the extent to which the researches focused on diseases identified by the World Health Organization [WHO] State of Health in the African Region Report as being the leading causes of morbidity and mortality in 2018; (iii) to describe the extent and pattern of collaborations between researchers in Africa and the rest of the world; and (iv) to identify leadership and funders of the studies. Methodology We systematically searched Medline via PubMed, Scopus, CINAHL, Academic Search Premier, Africa-Wide Information through EBSCOhost, and Web of Science from inception through to 1st April 2020. We included studies that characterized samples from African populations using next-generation sequencing approaches. Two reviewers independently conducted the literature search, title and abstract, and full-text screening, as well as data extraction. Results We included 168 studies out of 5515 records retrieved. Most studies were published in PLoS One (13%; 22/168), and samples were collected from 33 of the 54 African countries. The country where most studies were conducted was South Africa (27/168), followed by Kenya (23/168) and Uganda (18/168). 26.8% (45/168) focused on diseases of significant public health concern in Africa. Collaboration between scientists from the United States of America and Africa was most common (96/168). The first and/or last authors of 79.8% of studies were not affiliated with institutions in Africa. Major funders were the United States of America National Institutes of Health (45.2%; 76/168), Bill and Melinda Gates Foundation (17.8%; 30/168), and the European Union (11.9%; 20/168). Conclusions There are significant gaps in microbiome research in Africa, especially those focusing on diseases of public health importance. There is a need for local leadership, capacity building, intra-continental collaboration, and national government investment in microbiome research within Africa. Video Abstract
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 | 0,057 | 0,147 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,024 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».