Quantifying breast milk intake by term and preterm infants for input into paediatric physiologically based pharmacokinetic models
Notice bibliographique
Résumé
Despite the many benefits of breast milk, mothers taking medication are often uncertain about the risks of drug exposure to their infants and decide not to breastfeed. Physiologically based pharmacokinetic models can contribute to drug-in-milk safety assessments by predicting the infant exposure and subsequently, risk for toxic effects that would result from continuous breastfeeding. This review aimed to quantify breast milk intake feeding parameters in term and preterm infants using literature data for input into paediatric physiologically based pharmacokinetic models designed for drug-in-milk risk assessment. Ovid MEDLINE and Embase were searched up to July 2, 2019. Key study reference lists and grey literature were reviewed. Title, abstract and full text were screened in nonduplicate. Daily weight-normalized human milk intake (WHMI) and feeding frequency by age were extracted. The review process retrieved 52 studies. A nonlinear regression equation was constructed to describe the WHMI of exclusively breastfed term infants from birth to 1 year of age. In all cases, preterm infants fed with similar feeding parameters to term infants on a weight-normalized basis. Maximum WHMI was 152.6 ml/kg/day at 19.7 days, and weighted mean feeding frequency was 7.7 feeds/day. Existing methods for approximating breast milk intake were refined by using a comprehensive set of literature data to describe WHMI and feeding frequency. Milk feeding parameters were quantified for preterm infants, a vulnerable population at risk for high drug exposure and toxic effects. A high-risk period of exposure at 2-4 weeks of age was identified and can inform future drug-in-milk risk assessments.
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 ».