MétaCan
Menu
Retour à la cohorte
Enregistrement W2605107433 · doi:10.1136/gutjnl-2016-312819

Human milk oligosaccharide composition predicts risk of necrotising enterocolitis in preterm infants

2017· article· en· W2605107433 sur OpenAlexaff
Chloe Autran, Benjamin P. Kellman, Jae Kim, Elizabeth Asztalos, Arlin B. Blood, Erin Hamilton Spence, Aloka L. Patel, Jiayi Hou, Nathan E. Lewis, Lars Bode

Notice bibliographique

RevueGut · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesUniversity of California, San DiegoNovo Nordisk Fonden
Mots-clésMedicineBreast milkNecrotizing enterocolitisCohortPediatricsIncidence (geometry)EnterocolitisInfant formulaLogistic regressionBreast feedingCohort studyOdds ratioInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Necrotising enterocolitis (NEC) is one of the most common and often fatal intestinal disorders in preterm infants. Markers to identify at-risk infants as well as therapies to prevent and treat NEC are limited and urgently needed. NEC incidence is significantly lower in breast-fed compared with formula-fed infants. Infant formula lacks human milk oligosaccharides (HMO), such as disialyllacto-N-tetraose (DSLNT), which prevents NEC in neonatal rats. However, it is unknown if DSLNT also protects human preterm infants. DESIGN: We conducted a multicentre clinical cohort study and recruited 200 mothers and their very low birthweight infants that were predominantly human milk-fed. We analysed HMO composition in breast milk fed to infants over the first 28 days post partum, matched each NEC case with five controls and used logistic regression and generalised estimating equation to test the hypothesis that infants who develop NEC receive milk with less DSLNT than infants who do not develop NEC. RESULTS: Eight infants in the cohort developed NEC (Bell stage 2 or 3). DSLNT concentrations were significantly lower in almost all milk samples in NEC cases compared with controls, and its abundance could identify NEC cases prior to onset. Aggregate assessment of DSLNT over multiple days enhanced the separation of NEC cases and control subjects. CONCLUSIONS: DSLNT content in breast milk is a potential non-invasive marker to identify infants at risk of developing NEC, and screen high-risk donor milk. In addition, DSLNT could serve as a natural template to develop novel therapeutics against this devastating disorder.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,323
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), 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

Citations263
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGutMême sujetInfant Nutrition and HealthTravaux en français237 207