MétaCan
Menu
Retour à la cohorte
Enregistrement W2807147241 · doi:10.1093/cdn/nzy025

Human Milk Nutrient Composition in the United States: Current Knowledge, Challenges, and Research Needs

2018· review· en· W2807147241 sur OpenAlexaboutno aff
Xianli Wu, Robert T. Jackson, Saira Khan, Jaspreet K.C. Ahuja, Pamela Pehrsson

Notice bibliographique

RevueCurrent Developments in Nutrition · 2018
Typereview
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurrent (fluid)Composition (language)NutrientEnvironmental scienceBiologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Human milk is considered to be the ideal food for infants. Accurate, representative, and up-to-date nutrient composition data of human milk are crucial for the management of infant feeding, assessment of infant and maternal nutritional needs, and as a guide for developing infant formula. Currently in the United States, the nutrient profiles of human milk can be found in the USDA National Nutrient Database for Standard Reference, and in books or review articles. Nonetheless, these resources all suffer major drawbacks, such as being outdated, incomplete profiles, limited sources of data, and uncertain data quality. Furthermore, no nutrient profile was developed specifically for the US population. The purposes of this review were to summarize the current knowledge of human milk nutrient composition from studies conducted in the United States and Canada, and to identify the knowledge gaps and research needs. The literature review was conducted to cover the years 1980-2017, and 28 research papers were found containing original data on macronutrients and micronutrients. Most of these 28 studies were published before 1990 and mainly examined samples from small groups of generally healthy lactating women. The experimental designs, including sampling, storage, and analytic methods, varied substantially between the different studies. Data of several components from these 28 studies showed some consistency for 1-6 mo postpartum, especially for protein, fat, lactose, energy, and certain minerals (e.g., calcium). The data for 7-12 mo postpartum and for other nutrients are very scarce. Comprehensive studies are required to provide current and complete nutrient information on human milk in the United States.

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)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,012
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,304
Tête enseignante GPT0,495
Écart entre enseignants0,190 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations141
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Developments in NutritionMême sujetInfant Nutrition and HealthTravaux en français237 207