Additional file 1 of Cluster-specific associations between the gut microbiota and behavioral outcomes in preschool-aged children
Notice bibliographique
Résumé
Additional file 1: Figure S1. Gut microbiota clustering using Dirichlet multinomial mixtures. Figure S2. Flowchart of data analysis approach. Figure S3. Differences in stool metabolic pathways between the four clusters. Figure S4. Differences in stool nucleotide levels between the four clusters. Figure S5. Behavioral Symptom scores between the four clusters. Figure S6. Number of microbial taxa that correlate with stool histidine to urocanate turnover. Figure S7. Relationship between Social Skills and urocanate metabolism for participants with low histidine-urocanate turnover rates. Figure S8. Levels of stool urocanate and histidine-urocanate turnover between children with “at risk” and “not at risk” scores for Social Skills and Developmental Social Disorders. Table S1. Sample characteristics of all combined participants. Table S2. PERMANOVA results for stool metabolome beta diversity. Individual independent effects are depicted. Table S3. ANCOVA Results for Adaptive Skill Scores While Correction for Gestational Age at Birth, Birth Weight, Ethnicity and Child Grain Intake. Table S4. ANCOVA Results for Developmental Social Disorder Scores While Correction for Gestational Age at Birth, Birth Weight, Ethnicity and Child Grain Intake. Table S5. ANCOVA Results for Social Skill Scores While Correction for Gestational Age at Birth, Birth Weight, Ethnicity and Child Grain Intake. Table S6. ANCOVA Results for Functional Communication Scores While Correction for Gestational Age at Birth, Birth Weight, Ethnicity and Child Grain Intake. Table S7. ANCOVA Results for Daily Living Scores While Correction for Gestational Age at Birth, Birth Weight, Ethnicity and Child Grain Intake.
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 | 0,000 | 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 | 0,000 | 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) | 0,735 | 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 ».