NIH workshop on human milk composition: summary and visions
Notice bibliographique
Résumé
Nationally representative data from mother-child dyads that capture human milk composition (HMC) and associated health outcomes are important for advancing the evidence to inform federal nutrition and related health programs, policies, and consumer information across the governments in the United States and Canada as well as in nongovernment sectors. In response to identified gaps in knowledge, the National Institute of Diabetes and Digestive and Kidney Diseases of the NIH sponsored the "Workshop on Human Milk Composition-Biological, Environmental, Nutritional, and Methodological Considerations" held 16-17 November 2017 in Bethesda, Maryland. Through presentations and discussions, the workshop aimed to 1) share knowledge on the scientific need for data on HMC; 2) explore the current understanding of factors affecting HMC; 3) identify methodological challenges in human milk (HM) collection, storage, and analysis; and 4) develop a vision for a research program to develop an HMC data repository and database. The 4 workshop sessions included 1) perspectives from both federal agencies and nonfederal academic experts, articulating scientific needs for data on HMC that could lead to new research findings and programmatic advances to support public health; 2) information about the factors that influence lactation and/or HMC; 3) considerations for data quality, including addressing sampling strategies and the complexities in standardizing collection, storage, and analyses of HM; and 4) insights on how existing research programs and databases can inform potential visions for HMC initiatives. The general consensus from the workshop is that the limited scope of HM research initiatives has led to a lack of robust estimates of the composition and volume of HM consumed and, consequently, missed opportunities to improve maternal and infant health.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».