MétaCan
Menu
Retour à la cohorte
Enregistrement W4292549437 · doi:10.1007/s13668-022-00429-w

Maternal Intake of Probiotics to Program Offspring Health

2022· review· en· W4292549437 sur OpenAlexafffund
Céline Cuinat, Sara Stinson, Wendy E. Ward, Elena M. Comelli

Notice bibliographique

RevueCurrent Nutrition Reports · 2022
Typereview
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensThe Wilson CentreBrock UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOffspringClinical nutritionMedicineContext (archaeology)Gut floraIntervention (counseling)PhysiologyPregnancyImmunologyBiologyInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Probiotics intake may be considered beneficial by prospective and pregnant mothers, but their effects on offspring development are incompletely understood. The purpose of this review was to examine recent pre-clinical and clinical studies to understand how maternal probiotics exposure affects offspring health outcomes. RECENT FINDINGS: Effects were investigated in the context of supporting offspring growth, intestinal health, and gut microbiota, preventing allergic diseases, supporting neurodevelopment, and preventing metabolic disorders in pre-clinical and clinical studies. Most human studies focused on infancy outcomes, whereas pre-clinical studies also examined outcomes at adolescence and young adulthood. While still understudied, both pre-clinical and clinical studies propose epigenetic modifications as an underlying mechanism. Optimal timing of intervention remains unclear. Administration of selected probiotics to mothers has programming potential for sustaining life-long health of offspring. Administration protocols, specific windows of susceptibility, and individual-specific responses need to be further studied.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,438
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Nutrition ReportsMême sujetInfant Nutrition and HealthTravaux en français237 207