MétaCan
Menu
Retour à la cohorte
Enregistrement W4391497593 · doi:10.53555/sfs.v10i1s.2121

Postbiotics: potential applications in early life nutrition and beyond

2023· article· en· W4391497593 sur OpenAlexvenueno aff
Priyanka Roy, Rashi Rana, Soumi Neogi, Koyel Dutta, Manisha Maity, Souvik Tewari

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

Postbiotics, also known as bioactive compounds, are those that form in a matrix after fermentation and are then employed to promote health. Realizing that an unbalanced population of microorganisms in the gut might contribute to the onset of a variety of diseases has sparked renewed interest in prebiotics, probiotics, and postbiotics as potential means of effecting such a change (including cancer and type-1 diabetes). Any metabolic by-products of a microorganism that have a positive impact on the host are considered postbiotics. By altering the gut microbiome, probiotics have a number of health benefits; nevertheless, technological restrictions such as viability controls have restricted their full potential usage in the pharmaceutical and food industries. As a result, the focus is changing away from viable probiotic bacteria and towards non-viable paraprobiotics and/or biomolecules produced from probiotics, also known as postbiotics. Because they impart a variety of health-promoting properties, paraprobiotics and postbiotics are developing idea in the functional foods sector. Although these concepts are not fully defined, they have been defined as follows for the time being. Probiotics produce postbiotics, which are detected in the cell-free supernatants of live microorganisms. Among them are amino acids, vitamins, enzymes, biosurfactants, organic acids, and short-chain fatty acids. The current review summarizes and discusses a variety of postbiotic molecules as well as their impact on human health.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,316
Écart entre enseignants0,205 · 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
GenreEmpirique

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetInfant Nutrition and HealthTravaux en français237 207