Early‐life risk factors for food allergy: Dietary and environmental factors revisited
Notice bibliographique
Résumé
There appears a steep increase in the prevalence of food allergy worldwide in the past few decades. It is believed that, rather than genetic factors, the recently altered dietary and environmental factors are the driving forces behind the rapid increase of this disease. Accumulating evidence has implied that external exposures that occurred in prenatal and postnatal periods could affect the development of oral tolerance in later life. Understanding the potential risk factors for food allergy would greatly benefit the progress of intervention and therapy. In this review, we present updated knowledge on the dietary and environmental risk factors in early life that have been shown to impact the development of food allergy. These predominantly include dietary habits, microbial exposures, allergen exposure routes, environmental pollutants, and so on. The key evidence, conflicts, and potential research topics of each theory are discussed, and associated interventional strategies to prevent the disease development and ameliorate treatment burden are included. Accumulating evidence has supported the causative role of certain dietary and environmental factors in the establishment of oral tolerance in early life, especially the time of introducing allergenic foods, skin barrier function, and microbial exposures. In addition to certain immunomodulatory factors, increasing interest is raised toward modern dietary patterns, where adequately powered studies are required to identify contributions of those modifiable risk factors. This review broadens our understanding of the connections between diet, environment, and early-life immunity, thus benefiting the progress of intervention and therapy of food allergy.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».