Perspective: Human Milk Composition and Related Data for National Health and Nutrition Monitoring and Related Research
Notice bibliographique
Résumé
National health and nutrition monitoring is an important federal effort in the United States and Canada, and the basis for many of their nutrition and health policies. Understanding of child exposures through human milk (HM) remains out of reach due to lack of current and representative data on HM's composition and intake volume. This article provides an overview of the current national health and nutrition monitoring activities for HM-fed children, HM composition (HMC) and volume data used for exposure assessment, categories of potential measures in HM, and associated variability factors. In this Perspective, we advocate for a framework for collection and reporting of HMC data for national health and nutrition monitoring and programmatic needs, including a shared vision for a publicly available Human Milk Composition Data Repository (HMCD-R) to include essential metadata associated with HMC. HMCD-R can provide a central, integrated platform for researchers and public health officials for compiling, evaluating, and sharing HMC data. The compiled compositional and metadata in HMCD-R would provide pertinent measures of central tendency and variability and allow use of modeling techniques to approximate compositional profiles for subgroups, providing more accurate exposure assessments for purposes of monitoring and surveillance. HMC and related metadata could facilitate understanding the complexity and variability of HM composition, provide crucial data for assessment of infant and maternal nutritional needs, and inform public health policies, food and nutrition programs, and clinical practice guidelines.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».