MétaCan
Menu
Retour à la cohorte
Enregistrement W4415495639 · doi:10.30574/wjarr.2025.28.1.3574

Maternal characteristics, milk-borne IGF-1, and neonatal growth: Insights into endocrine and developmental programming

2025· article· W4415495639 sur OpenAlexaboutno aff
Ashraf Soliman, Fawzia Alyafei, Nada Alaaraj, Noor Hamed, Shayma Ahmed, Shaymaa Elsayed, Dina Fawzy, Ahmed Elawwa, Hayam Al Hajjaji, Maya Itani, Nada Soliman

Notice bibliographique

RevueWorld Journal of Advanced Research and Reviews · 2025
Typearticle
Langue
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreastfeedingEndocrine systemHormoneGestational diabetesLeptinAdiponectinPregnancyBirth weightObesityBreast milk

Résumé

récupéré en direct d'OpenAlex

Background: Human milk contains a dynamic array of bioactive hormones and growth factors that extend beyond nutrition to influence neonatal growth, metabolism, and developmental programming. Among these, insulin-like growth factor-1 (IGF-1) is a pivotal mediator of tissue anabolism, gut maturation, and postnatal adaptation. Maternal metabolic and obstetric factors modify the concentration of IGF-1 and related hormones in milk, shaping infant growth trajectories from birth through early childhood. Objectives To examine how maternal characteristics—including body mass index (BMI), adiposity, gestational diabetes mellitus (GDM), and delivery mode—affect IGF-1 and associated milk hormones (insulin, leptin, adiponectin, ghrelin). To evaluate the impact of milk-borne IGF-1 on neonatal, preterm, and early-childhood growth outcomes. To explore mechanistic pathways linking maternal endocrine status, milk hormonal composition, and infant developmental programming. Methods: A structured literature search was performed in PubMed, Scopus, and Web of Science through March 2025. Eligible studies included human cohorts, case–control, and randomized trials reporting milk IGF-1 levels in relation to maternal factors or infant outcomes. Data extraction included sample characteristics, timing of milk collection, hormonal assays, and growth indices. Study quality was assessed using the Newcastle–Ottawa Scale and Cochrane RoB-2 tools. Results were synthesized descriptively due to heterogeneity across designs. Results: Twenty-two studies met inclusion criteria. Maternal obesity and diabetes were consistently associated with elevated milk IGF-1 and insulin but reduced adiponectin and obestatin, enhancing early postnatal weight gain. Cesarean delivery and social stress were linked to lower IGF-1 levels, while early breastfeeding in preterms significantly increased serum IGF-1 and promoted catch-up growth. Experimental supplementation with enteral IGF-1 improved intestinal integrity but did not accelerate weight gain. Longitudinal cohorts revealed a biphasic effect: higher early milk IGF-1 correlated with increased infant weight at 1 year but reduced BMI at 3–5 years, reflecting adaptive metabolic programming. Pasteurization of donor milk decreased IGF-1 bioactivity by ~40%, underscoring the benefit of mother’s own milk. Conclusions: Maternal metabolic health, nutritional status, and perinatal factors critically determine milk IGF-1 bioavailability and its impact on neonatal growth. Early exposure to milk-borne IGF-1 supports gut and somatic development, particularly in preterm infants, while long-term effects suggest homeostatic regulation of adiposity. Optimizing maternal diet, glucose control, and lactation practices may enhance IGF-1 concentrations and confer lasting benefits on child growth and metabolic outcomes.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,041
Tête enseignante GPT0,376
Écart entre enseignants0,335 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Advanced Research and ReviewsMême sujetBirth, Development, and HealthTravaux en français237 207