Milk Mineral and Cytokine Concentrations Differ in Guatemalan Mothers with Subclinical Mastitis (SCM) by Stage of Lactation
Notice bibliographique
Résumé
Background Little is known about the impact of SCM on the immunological and mineral concentrations of human breast milk. Our objective was to determine if minerals and cytokines differed in mothers with and without SCM during 3 stages of lactation. Methods Transitional milk (TM: 5‐17d, n=21), early mature milk (EMM: 18‐46d, n=32) and mature milk (MM: 109‐187d, n=59) samples were collected from Mam ‐Mayan women. Inductively Coupled Plasma Mass Spectrometry was used to analyze the concentration of 13 minerals (Na, K, Ca, Mg, Mn, Zn, Cu, Cr, Sr, Se, Rb, Fe, P) and immunoassay with Luminex was used to determine the concentration of 4 cytokines (IL‐1β, IL‐6, IL‐8, TNF‐α). Results Prevalences of SCM, using Na/K > 0.6, were 26.3% in TM, 15.6% in EMM and 8.9% in MM. Na, K, P, Cu, Fe, Rb, Zn and IL6 were higher in TM and EMM whereas Mg was higher in MM, as was IL‐8. SCM was associated with changes in P and Se and with the presence of 3 cytokines (IL‐6, IL‐8, and TNF‐α) in TM only. Regression analyses for each mineral showed that cytokines were associated with higher milk mineral concentrations: IL‐1β with P, Fe and Mn; IL‐6 with Na, K, Ca and Cu; IL‐8 with Zn; and TNF‐α with Na, Mn and Se. Conclusion Milk minerals and cytokines concentrations vary by lactation stages. The cytokines are associated with changes in milk mineral concentrations. Our finding suggests that IL‐6 is associated with elevated Na/K ratio. Funding McGill University International Mobility Award
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».