The Impact of Diet Quality on Gestational Weight Gain Across Trimesters
Notice bibliographique
Résumé
mothers who delivered preterm.Samples from countries with a Human Development Index < 0.8 and studies with a sample size of one were excluded from analysis.Random effects models were used to estimate mean estimates across studies by HM type (e.g., colostrum, transition, and mature).Colostrum HM was considered as HM collected 4d, transition between 5 -14d, and mature as 15d.Estimates were aggregated within studies that reported multiple time points.Heterogeneity was assessed using Cochrane-I 2 .Results: Of the 48 studies that reported energy density, 30 that provided sufficient data were included in this meta-analysis, which represented 1,713 HM samples.50% of the studies were conducted in the USA or Canada, 36% in the European Union, and 14% in other countries.Milk extraction methods included electric pump expression (36%), a mix of pump and hand expression (26.6%) and other manual/pump methods unspecified.Thirty-three percent evaluated energy density using bomb calorimetry, 30% using mid-infrared spectroscopy, 27% calculated energy density from macronutrient composition, and 10% did not specify.Mean energy density in preterm HM was 68.05 kcal/100mL(95% CI: 65.52, 70.59)[Q384.71,df29, p< 0.001; I 2 89.8%].Energy density in colostrum, transition, and mature milk was 66.64 kcal/100mL(95% CI: 63.06, 70.21), 71.93 kcal/100mL (95% CI: 67.95, 75.90), and 70.54 kcal/ 100mL (95% CI: 66.56, 74.51), respectively.Estimates of heterogeneity varied from 78.1% to 94.4%.Conclusions: These data provide the most current energy density estimates for preterm HM which can better help practitioners determine appropriate preterm infant feedings.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».