MétaCan
Menu
Retour à la cohorte
Enregistrement W4400149140 · doi:10.1016/j.cdnut.2024.102947

Bifidobacterium longum Strains Modify a Nutrient Intervention for Stunting in Zimbabwean Infants

2024· article· en· W4400149140 sur OpenAlexaff
Ethan Gough, Thaddeus J. Edens, Lynnea Carr, Ruairi C. Robertson, Kuda Mutasa, Robert Ntozini, Bernard Chasekwa, Hyun Min Geum, Iman Baharmand, Sandeep K. Gill, Batsirai Mutasa, Mduduzi N. N. Mbuya, Florence D. Majo, Naume D Tavengwa, Freddy Francis, Joice Tome, Ceri Evans, Margaret Kosek, Andrew J. Prendergast, Amee R. Manges

Notice bibliographique

RevueCurrent Developments in Nutrition · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of British ColumbiaSt. Clair College
Organismes subventionnairesnon disponible
Mots-clésBifidobacterium longumIntervention (counseling)NutrientBifidobacteriumEnvironmental healthMedicineBiologyFood scienceLactobacillusNursingEcologyFermentation

Résumé

récupéré en direct d'OpenAlex

Objectives: Child stunting is a longstanding indicator of chronic undernutrition. However, it remains a prevalent public health problem. Small-quantity lipid-based nutrient supplements (SQ-LNS) have been widely tested to reduce stunting, but have largely had modest effects. The infant gut microbiome may be a key contributor to stunting; and mother and infant fucosyltransferase (FUT) phenotypes are important determinants of infant microbiome composition. We investigated whether mother-infant FUT status and infant gut microbiome composition modified the impact of an infant and young child feeding (IYCF) intervention, that included SQ-LNS, on stunting at age 18 months in the SHINE Trial in Zimbabwe.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,342
Écart entre enseignants0,306 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Developments in NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207