Types, Frequency, Duration, and Dosage of Probiotics to Prevent Necrotizing Enterocolitis in Preterm Infants Among Countries
Notice bibliographique
Résumé
BACKGROUND: Probiotic use in the neonatal intensive care unit (NICU) has been linked to reduced rates of necrotizing enterocolitis in preterm infants. Currently, in the United States, probiotic use within the NICU is limited despite being commonly used in other countries. PURPOSE: To provide an overview of the current practices of using probiotics in preterm infants for the prevention of NEC in the NICU in preselected countries. METHODS: A comprehensive literature search was conducted on PubMed and clinicaltrials.gov. Also, studies from 2 recent meta-analyses on the topic were reviewed for inclusion. Selection criteria were as follows: studies involving preterm infants using probiotics in the NICU, reporting on the impact of probiotic use on the incidence of necrotizing enterocolitis, published within the last 10 years and in the English language, and originating from the United States, Canada, or any European country. RESULTS: Twenty-three studies were selected. The most common types of probiotics used were Bifidobacterium infantis and Lactobacillus rhamnosus. The most common frequency of administration was daily or twice day. Duration ranged from 10 days to the entire NICU stay. The dosage was commonly 1 billion colony-forming units daily but ranged from 12 million daily to 12 billion per kilogram daily. IMPLICATIONS FOR PRACTICE: Examining the current practices of probiotic use in the NICU provides useful information as this adjunctive therapy rises in popularity. IMPLICATIONS FOR RESEARCH: Refining methods of probiotic research for necrotizing enterocolitis prevention will improve safety and effectiveness and provide a framework for future clinical trials.
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) | 0,001 | 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 ».