MétaCan
Menu
Retour à la cohorte
Enregistrement W2255098549 · doi:10.1371/journal.pone.0148941

Target Fortification of Breast Milk: Predicting the Final Osmolality of the Feeds

2016· article· en· W2255098549 sur OpenAlexafffund
Arum Choi, Gerhard Fusch, Niels Rochow, Christoph Fusch

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBreast milkFortificationOsmoleFood scienceAnimal scienceInfant formulaChemistryMedicineBiologyInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

For preterm infants, it is common practice to add human milk fortifiers to native breast milk to enhance protein and calorie supply because the growth rates and nutritional requirements of preterm infants are considerably higher than those of term infants. However, macronutrient intake may still be inadequate because the composition of native breast milk has individual inter- and intra-sample variation. Target fortification (TFO) of breast milk is a new nutritional regime aiming to reduce such variations by individually measuring and adding deficient macronutrients. Added TFO components contribute to the final osmolality of milk feeds. It is important to predict the final osmolality of TFO breast milk to ensure current osmolality recommendations are followed to minimize feeding intolerance and necrotizing enterocolitis. This study aims to develop and validate equations to predict the osmolality of TFO milk batches. To establish prediction models, the osmolalities of either native or supplemented breast milk with known amounts of fat, protein, and carbohydrates were analyzed. To validate prediction models, the osmolalities of each macronutrient and combinations of macronutrients were measured in an independent sample set. Additionally, osmolality was measured in TFO milk samples obtained from a previous clinical study and compared with predicted osmolality using the prediction equations. Following the addition of 1 g of carbohydrates (glucose polymer), 1 g of hydrolyzed protein, or 1 g of whey protein per 100 mL breast milk, the average increase in osmolality was 20, 38, and 4 mOsm/kg respectively. Adding fat decreased osmolality only marginally due to dilution effect. Measured and predicted osmolality of combinations of macronutrients as well as single macronutrient (R2 = 0.93) were highly correlated. Using clinical data (n = 696), the average difference between the measured and predicted osmolality was 3 ± 11 mOsm/kg and was not statistically significant. In conclusion, the prediction model can be utilized to estimate osmolality values after fortification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,103

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,265
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetInfant Nutrition and HealthTravaux en français237 207