The Relationship Between Cow’s Milk and Stores of Vitamin D and Iron in Early Childhood
Notice bibliographique
Résumé
OBJECTIVE: To examine the association between cow's milk intake on both vitamin D and iron stores in healthy urban preschoolers. METHODS: Healthy children 2 to 5 years of age were recruited from December 2008 through December 2010 through the TARGet Kids! practice-based research network. Cow's milk intake was measured by parental report. Vitamin D and iron stores were measured by using serum 25-hydroxyvitamin D and ferritin. Bivariate multivariable linear regression was used to examine the effect of cow's milk intake simultaneously on 25-hydroxyvitamin D and serum ferritin. Analyses were stratified by important clinical variables including skin pigmentation, bottle feeding, vitamin D supplementation, and season. RESULTS: Among 1311 children, increasing cow's milk consumption was associated with decreasing serum ferritin (P < .0001) and increasing 25-hydroxyvitamin D (P ≤ .0001). Two cups (500 mL) of cow's milk per day maintained 25-hydroxyvitamin D >75 nmol/L with minimal negative effect on serum ferritin for most children. Children with darker skin pigmentation not receiving vitamin D supplementation during the winter required 3 to 4 cups of cow's milk per day to maintain 25-hydroxyvitamin D >75 nmol/L. Cow's milk intake among children using a bottle did not increase 25-hydroxyvitamin D and resulted in more dramatic decreases in serum ferritin. CONCLUSIONS: There is a trade-off between increasing 25-hydroxyvitamin D and decreasing serum ferritin with increasing milk intake. Two cups of cow's milk per day appears sufficient to maintain healthy vitamin D and iron stores for most children. Wintertime vitamin D supplementation was particularly important among children with darker skin pigmentation.
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 | 0,001 | 0,002 |
| 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) | 0,000 | 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 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 ».