Nutritional interventions to ameliorate the effect of endocrine disruptors on human reproductive health: A semi‐structured review from <scp>FIGO</scp>
Notice bibliographique
Résumé
BACKGROUND: Endocrine disrupting chemicals have harmful effects on reproductive, perinatal, and obstetric outcomes. OBJECTIVE: To analyze the evidence on nutritional interventions to reduce the negative effects of endocrine disruptors on reproductive, perinatal, and obstetric outcomes. SEARCH STRATEGY: A search of MEDLINE (PubMed), Allied Health Literature (CINAHL), EMBASE, Web of Science, and the Cochrane Database was conducted from inception to May 2021. SELECTION CRITERIA: Experimental studies on human populations. DATA COLLECTION AND ANALYSIS: Data were collected from eligible studies. Risk of bias assessment was completed using the Cochrane risk of bias tool and the ROBINS-I Tool. RESULTS: Database searches yielded 15 362 articles. Removing 11 181 duplicates, 4181 articles underwent abstract screening, 26 articles were eligible for full manuscript review, and 16 met full inclusion criteria. Several interventions were found to be effective in reducing exposure to endocrine disruptors: avoidance of plastic containers, bottles, and packaging; avoidance of canned food/beverages; consumption of fresh and organic food; avoidance of fast/processed foods; and supplementation with vitamin C, iodine, and folic acid. There were some interventional studies examining therapies to improve clinical outcomes related to endocrine disruptors. CONCLUSION: Dietary alterations can reduce exposure to endocrine disruptors, with limited data on interventions to improve endocrine-disruptor-related clinical outcomes. This review provides useful instruction to women, their families, healthcare providers, and regulatory bodies.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».