Body Composition in Very Preterm Infants: Role of Neonatal Characteristics and Nutrition in Achieving Growth Similar to Term Infants
Notice bibliographique
Résumé
BACKGROUND: The identification of factors involved in the postnatal growth of preterm infants will help achieve growth similar to that of term infants. OBJECTIVES: As per protocol: to compare body composition in very preterm infants at term-corrected age (TCA) with that in term infants, and to explore relationships between neonatal characteristics and body composition in preterm infants. METHODS: Anthropometry, nutritional characteristics, and neonatal outcomes were prospectively collected in 26 preterm (<29 weeks) and 33 term (37-40 weeks) infants. Body composition using dual-energy X-ray absorptiometry (DXA) was measured at TCA in preterm infants and between days 7 and 10 in term infants. RESULTS: Parenteral nutrition in preterm infants provided a mean of 2.9 ± 0.2 and 2.1 ± 0.5 g/kg/day of intravenous amino acids and lipids, respectively, during the first week of life. The mean weight gain velocity from birth to DXA assessment was 12.1 ± 1.4 g/kg/day. Compared with term infants, preterm infants at TCA were shorter and lighter, with a smaller head circumference, a lower weight estimated by DXA (2,960 ± 552 vs. 3,843 ± 377 g), and increased skinfold thicknesses. Fat mass percent (13.9 ± 5.4%) and lean mass percent (84.7 ± 5.6%) in preterm infants were similar to those in term infants (14.7 ± 3.5 and 83.5 ± 3.6%, respectively). Neonatal weight gain velocity in preterm infants was positively associated with lean mass (grams). CONCLUSION: Subcutaneous fat is increased in preterm infants. Higher protein intake in preterm infants might increase weight gain velocity and achieve a lean mass comparable to that of term infants.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».