Probiotics supplementation during pregnancy or infancy on multiple food allergies and gut microbiota: a systematic review and meta-analysis
Notice bibliographique
Résumé
CONTEXT: Probiotics show promise in preventing and managing food allergies, but the impact of supplementation during pregnancy or infancy on children's allergies and gut microbiota remains unclear. OBJECTIVE: This study aimed to assess the effects of maternal or infant probiotic supplementation on food allergy risk and explore the role of gut microbiota. DATA SOURCES: A systematic search of databases (PubMed, Cochrane Library, Embase, and Medline) identified 37 relevant studies until May 20, 2023. DATA EXTRACTION: Two independent reviewers extracted data, including probiotics intervention details, gut microbiota analysis, and food allergy information. DATA ANALYSIS: Probiotics supplementation during pregnancy and infancy reduced the risk of total food allergy (relative risk [RR], 0.79; 95% CI, 0.63-0.99), cow-milk allergy (RR, 0.51; 95% CI, 0.29-0.88), and egg allergy (RR, 0.57; 95% CI, 0.39-0.84). Infancy-only supplementation lowered cow-milk allergy risk (RR, 0.69; 95% CI, 0.49-0.96), while pregnancy-only had no discernible effect. Benefits were observed with over 2 probiotic species, and a daily increase of 1.8 × 109 colony-forming units during pregnancy and infancy correlated with a 4% reduction in food allergy risk. Children with food allergies had distinct gut microbiota profiles, evolving with age. CONCLUSIONS: Probiotics supplementation during pregnancy and infancy reduces food allergy risk and correlates with age-related changes in gut microbial composition in children. SYSTEMATIC REVIEW REGISTRATION: PROSPERO registration no. CRD42023425988.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».