Correlation between gut microbiome and cognitive impairment in patients undergoing peritoneal dialysis
Notice bibliographique
Résumé
Abstract Background Growing evidence has demonstrated that patients undergoing peritoneal dialysis (PD) are more likely to experience cognitive impairment than patients with non-dialysis end-stage renal disease (ESRD); however, the underlying mechanisms remain unclear. This study aimed to identify the role and predictive significance of gut microbiome alterations in PD-associated cognitive impairment. Methods A total of 29 non-dialysis ESRD patients and 28 PD patients were enrolled in this study and divided into subgroups according to the Montreal Cognitive Assessment (MoCA). Faecal samples were analyzed using 16 S rRNA. Mini-Mental State Examination (MMSE) and MoCA scores were used to assess the degree of cognitive impairment in patients. Results The 16 S rRNA analysis demonstrated differences in gut microbiome abundance and structure between PD and non-dialysis ESRD patients and between PD patients with cognitive impairment (PCI) and PD patients with normal cognition (PNCI). At family and genus levels, Prevotellaceae exhibited the greatest structure difference, while Lactobacillus exhibited the greatest abundance difference between PCI and PNCI. Altered microbiota abundance significantly correlated with cognitive function and serum indicators in PD. In addition, different modules related to fatty acid, lipid, pantothenate, and coenzyme A biosynthesis, and tyrosine and tryptophan metabolism were inferred from 16 S rRNA data between PCI and PNCI. Both groups could be distinguished using models based on the abundance of Lactobacillaceae (Area under curve [AUC] = 0.83), Actinomycetaceae (AUC = 0.798), and Prevotellaceae (AUC = 0.778) families and Lactobacillus (AUC = 0.848) and Actinomyces (AUC = 0.798) genera. Conclusion Gut microbiome evaluation could aid early cognitive impairment diagnosis in patients undergoing PD.
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) | 0,025 | 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 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 ».