MétaCan
Menu
Retour à la cohorte
Enregistrement W4411177294 · doi:10.3389/fnut.2025.1548739

Protocol: the International Milk Composition (IMiC) Consortium - a harmonized secondary analysis of human milk from four studies

2025· article· en· W4411177294 sur OpenAlexafffundabout
Kelsey Fehr, Andrew Mertens, Chi-Hung Shu, Trenton Dailey-Chwalibóg, Liat Shenhav, Lindsay H. Allen, Megan R. Beggs, Lars Bode, Rishma Chooniedass, Mark D. DeBoer, Lishi Deng, Camilo Espinosa, Daniela Hampel, April Jahual, Fyezah Jehan, Mohit Jain, Patrick Kolsteren, Puja Kawle, Kim A. Lagerborg, Melissa B. Manus, Samson Mataraso, Joann M. McDermid, Ameer Muhammad, Payam Peymani, Martin Pham, Setareh Shahab‐Ferdows, Yasir Shafiq, Vishak Subramoney, Daniel Sunko, Laéticia Céline Toe, Stuart E. Turvey, Lei Xue, Natalie Rodriguez, Alan Hubbard, Nima Aghaeepour, Meghan B. Azad

Notice bibliographique

RevueFrontiers in Nutrition · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensUniversity of British ColumbiaHospital for Sick ChildrenBC Children's HospitalUniversity Health NetworkUniversity of TorontoUniversity of ManitobaChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchHealth CanadaCanadian Institute for Advanced ResearchBill and Melinda Gates FoundationJohns Hopkins UniversityGeorge Washington UniversityNational Institutes of HealthMarch of Dimes Foundation
Mots-clésProtocol (science)Composition (language)Food scienceComputer scienceChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Human milk (HM) contains a multitude of nutritive and nonnutritive bioactive compounds that support infant growth, immunity and development, yet its complex composition remains poorly understood. Integrating diverse scientific disciplines from nutrition and global health to data science, the International Milk Composition (IMiC) Consortium was established to undertake a comprehensive harmonized analysis of HM from low, middle and high-resource settings to inform novel strategies for supporting maternal-child nutrition and health. Methods and analysis: = 290). Altogether IMiC includes 1,946 HM samples across time-points ranging from birth to 5 months. Using HM-validated assays, we are measuring macronutrients, minerals, B-vitamins, fat-soluble vitamins, HM oligosaccharides, selected bioactive proteins, and untargeted metabolites, proteins, and bacteria. Multi-modal machine learning methods (extreme gradient boosting with late fusion and two-layered cross-validation) will be applied to predict infant growth and identify determinants of HM variation. Feature selection and pathway enrichment analyses will identify key HM components and biological pathways, respectively. While participant data (e.g., maternal characteristics, health, household characteristics) will be harmonized across studies to the extent possible, we will also employ a meta-analytic structure approach where HM effects will be estimated separately within each study, and then meta-analyzed across studies. Ethics and dissemination: IMiC was approved by the human research ethics board at the University of Manitoba. Contributing studies were approved by their respective primary institutions and local study centers, with all participants providing informed consent. Aiming to inform maternal, newborn, and infant nutritional recommendations and interventions, results will be disseminated through Open Access platforms, and data will be available for secondary analysis. Clinical trial registration: ClinicalTrials.gov, identifier, NCT05119166.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,039
Tête enseignante GPT0,353
Écart entre enseignants0,314 · 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.

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

Citations9
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetInfant Nutrition and HealthTravaux en français237 207