Effekt von antibiotischen Augentropfen auf das nasale Mikrobiom bei Gesunden
Bibliographic record
Abstract
Antibiotische Augentropfen werden üblicherweise zur Behandlung von Infektionen im Bereich des Auges eingesetzt, ähnlich wie zur Prophylaxe nach Operationen. Durch den Tränennasenkanal ist eine anatomische Verbindung zwischen dem Auge und der nasalen Schleimhaut vorhanden, weshalb ein möglicher Einfluss von Augentropfen in diesem Bereich nicht auszuschließen ist. Es wurden 20 gesunde ProbandInnen zwischen 18 und 45 Jahren in eine mono- zentrische, einfach-verblindete, randomisierte, kontrollierte Parallelgruppenstudie eingeschlossen. Je 5 ProbandInnen erhielten jeweils Gentamicin, Ciprofloxacin, Povidon konserviert oder Povidon unkonserviert in Form von Augentropfen 4 Mal täglich über eine Woche. Die Povidon Augentropfen dienten als Kontrolle zu den antibiotischen Augentropfen. Primäres Ziel der Studie war der Einfluss der antibiotischen Augentropfen auf das nasale Mikrobiom und die Wirkung auf das pharyngale Mikrobiom war das sekundäre Studienziel. Mit Hilfe von zwei Parametern, der Anzahl der Mikroorganismen im nasalen Mikrobiom und dem phylogenetischen Diversitätsindex, der besagt wie viele verschiedene Bakterienstämme vorhanden sind, konnte die Veränderung im nasalen und pharyngalen Mikrobiom beschrieben werden. Es wurde eine neue Methode, das „next-generation sequencing“ (NGS), angewendet, um mehr Informationen über das bakterielle Mikrobiom zu erhalten. Der Vorteil von NGS ist, dass man nicht vor der Untersuchung selektieren muss, sondern das gesamte Mikrobiom untersuchen kann. Die Daten der vorliegenden Studie weisen darauf hin, dass antibiotische Augentropfen möglicherweise einen Einfluss auf das nasale Mikrobiom haben. Im Gegensatz dazu konnte kein Effekt auf das pharyngale Mikrobiom nachgewiesen werden. Weitere Studien mit größeren Fallzahlen sind jedoch notwendig, um die Ergebnisse der vorliegenden Studie zu bestätigen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".