Donor Milk Banking – Safety, Efficacy, New Methodologies
Notice bibliographique
Résumé
Donor milk (DM) is of increasing interest as primary nutritional source for preterm infants. Safe access requires special infrastructure, trained staff, sophisticated algorithms, and standard operating procedures as well as quality control measures. DM has limitations like low protein content and unpredictable composition of the other macronutrients, despite fortification frequently not meeting recommendations - both of them compromising growth. The first paragraph is devoted to COVID-19 and how it impacts processes of DM banking. The following paragraphs review aspects of "pasteurization," "safety audits/donor screening," and "DM nutrient variability." In summary, (i) Holder pasteurization still is the most suitable procedure for milk banks, but high-pressure pasteurization or ultraviolet C irradiation conserve the unique properties of DM better and deserve more research to make it suitable for clinical routine. (ii) In regard to safety/screening, guidelines are valuable for safe DM bank operation, but they differ between legislations. There is a surprisingly high rate of non-disclosed donor smoking (0.3%, p > 0.05) and of adulteration of delivered DM (up to 2%, p < 0.05) not detected by standard donor screening procedures. Frequencies differ between remunerated and non-remunerated programs. (iii) Neonatal caregivers should be aware of unpredictable composition of DM. They should be trained on how these can be overcome to avoid negative impact on growth and long-term outcomes like (a) measuring and disclosing nutrient contents of delivered DM batches to customers, (b) implementing certain types of donor pooling to reduce the risk of macronutrient depleted DM, (c) additional supplementation using 0.3-0.5 g protein/100 mL seems to be reasonable, (d) adjusted fortification may help to improve growth, but is not efficient in all preterm infants, (e) target fortification seems to improve growth (and probably also neurodevelopmental index) compared to standard fortification, (f) more research and clinical studies are needed.
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 | 0,027 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».