The Design and Mechanics of an Accessible Human Milk Research Biorepository
Notice bibliographique
Résumé
Introduction: Human milk is the normative standard for infant/toddler nutrition. To better understand human milk's imprinting on health, and inform complex decisions about maternal medication, substance use, and other exposures during lactation, researchers at University of California San Diego (UC San Diego) established Mommy's Milk, a Human Milk Research Biorepository (HMB). Materials and Methods: The HMB was founded in 2014 with the goal of building a constant but rotating inventory of 3,000 human milk samples available for future research. Following informed consent, women in the United States or Canada provide 50 mL up to a full pump of expressed breast milk. Participants are also interviewed about their sociodemographic characteristics, pregnancy history, dietary intake, maternal stress, anxiety and depression, breastfeeding behaviors, and signs and symptoms of potential adverse reactions in the offspring. Data on growth of the infant/toddler are captured from medical records, and neurodevelopmental assessments are conducted longitudinally. Sample collections occur at UC San Diego, community sites, or the woman's home, and are aliquoted and stored at −80°C. Results: To date, 1,362 unique women have contributed to the HMB. The majority of mothers were between the ages of 31–35, and identified as White. The range of ages of breastfed offspring was well-represented through 23 months. Conclusions: The HMB is a well-characterized, accessible research resource that can contribute to better understanding of the characteristics of human milk, and potential effects of maternal medications, substances, and other environmental agents on the health and development of the breastfed infant/toddler.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».