Gut Microbiome Function and Recovery after Critical Illness
Notice bibliographique
Résumé
Over five million patients require intensive care annually, and up to three-quarters of survivors develop new disability one year later. This constellation of physical, psychological, and cognitive impairments—termed post-intensive care syndrome (PICS)—remains without effective therapy. Emerging evidence implicates persistent inflammation, insulin resistance, and catabolism as key drivers of long-term impairment. Gut microbiota play a central role in regulating these same pathways. Through the production of fecal microbiota-derived metabolites, the gut microbiota influence inflammation, insulin sensitivity, intestinal barrier integrity, and cross-talk with the brain and skeletal muscle. Critically ill patients routinely develop disruption of the gut microbiome, or dysbiosis, characterized by loss of diversity and altered fecal metabolite profiles. In prior work, I discovered that loss of gut microbiota function—termed metabolic dysbiosis—was associated with progression of respiratory failure and intensive care unit (ICU) mortality, suggesting that impaired gut microbiome function may contribute to adverse outcomes in critically ill patients. The overall objective of this proposal is to determine whether fecal metabolic dysbiosis is associated with long-term physical and cognitive impairment in ICU survivors. In Aim 1, we will identify fecal metabolite profiles associated with longitudinal one-year recovery trajectories of cognitive function using the Montreal Cognitive Assessment (MoCA). In Aim 2, we will define fecal metabolite profiles linked to long-term physical impairment using Short Form-36 (SF-36) quality-of-life measures. Both aims will leverage existing multi-omic data from a well-characterized cohort of ICU survivors and apply machine learning methods to identify metabolite profiles associated with post-ICU recovery trajectories.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».