The impact of storage, handling, and treatment on nutritional quality and safety of animal milk: A protocol for the systematic review and meta‐analysis
Notice bibliographique
Résumé
Objectives: Human milk has been shown to reduce severe morbidity in preterm/low-birth-weight infants and is therefore the recommended nutritional source. When infants cannot receive maternal milk, donor human milk (DHM) is recommended. The use of human milk banking facilities is increasing to meet the need for DHM. DHM is unique compared to maternal milk as it must be processed and stored. The processing and storage of animal milk has been more rigorously studied than human milk and can serve as proxy to create DHM banking guidelines. Methods and Analysis: We will search electronic databases, grey literature, and the websites of relevant international organizations. We will include studies that evaluated the impact of storage, handling, and treatment on the nutritional quality and safety of animal milk. We will not restrict study date, language, or design. If sufficient homogeneity exists between studies, we will conduct a meta-analysis. We will evaluate the methodological quality of each study using the SYRCLE's (Systematic Review Centre for Laboratory Animal Experimentation) risk of bias tool. (1) We will evaluate the overall certainty of the evidence using the Grading of Recommendations Assessment, Development, and Evaluation approach. Conclusion: In this systematic review and meta-analysis, commissioned by the World Health Organization, we will synthesize the available literature regarding the impact of various storage, handling, and treatment practices on the nutritional quality and safety of animal milk.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».