Table_1_Exploring the role of gut microbiota dysbiosis in gout pathogenesis: a systematic review.DOCX
Notice bibliographique
Résumé
Objectives<p>Gut dysbiosis is believed to be one of the several mechanisms that are involved in the pathogenesis of gout. This systematic review aimed to summarize the role of gut dysbiosis in gout disease and uncover the underlying mechanisms.</p>Methods<p>A comprehensive search was conducted on PubMed, Web of Science, and Scopus databases up to October 2021. Animal studies and human observational studies, including case-control, cross-sectional, and cohort studies assessing the association between gut microbiota composition and gout were included. The quality of included studies has been evaluated using the Newcastle–Ottawa Quality Assessment scale (NOS) and the SYRCLE's risk of bias tool.</p>Results<p>Initially, we found 274 studies among which 15 studies were included in this systematic review. Of them, 10 studies were conducted on humans and 5 studies were conducted on animals. Increased abundance of Alistipes and decreased abundance of Enterobacteriaceae alters purine metabolism, thereby aggravating gout condition. Moreover, a higher abundance of Phascolarctobacterium and Bacteroides in gout modulates enzymatic activity in purine metabolism. Butyrate-producing bacteria such as Faecalibacterium, prausnitzii, Oscillibacter, Butyricicoccus, and Bifidobacterium have higher abundance in healthy controls compared to gout patients, suggesting the anti-inflammatory and anti-microbial role of short-chain fatty acids (SCFAs). Lipopolysaccharides (LPS)-releasing bacteria, such as Enterobacteriaceae, Prevotella, and Bacteroides, are also involved in the pathogenesis of gout disease by stimulating the innate immune system.</p>Conclusion<p>Exploring the role of gut dysbiosis in gout and the underlying mechanisms can help develop microbiota-modulating therapies for gout.</p>
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,038 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».