L'exposition alimentaire et la prévention des allergies chez les nourrissons à haut risque
Bibliographic record
Abstract
Au Canada, les troubles allergiques sont un problème de santé prévalent chez les enfants. Le fardeau de la maladie et les coûts sociétaux d’un diagnostic et d’une prise en charge convenables sont considérables. C’est pourquoi la prévention primaire constitue un objectif souhaitable en matière de soins. Dans le présent document de principes, les auteurs analysent les données probantes à jour sur l’exposition alimentaire et la prévention des allergies chez les nourrissons à haut risque de troubles allergiques. Ils revoient les recommandations antérieures en matière d’alimentation pendant la grossesse, l’allaitement et l’alimentation au moyen de préparations lactées et proposent une approche pour introduire les aliments solides chez les nourrissons à haut risque. Aucune donnée probante n’indique que le fait de reporter l’introduction de certains aliments après six mois contribue à prévenir les allergies, mais l’effet protecteur de l’introduction précoce d’aliments au potentiel allergène (entre quatre et six mois) fait l’objet d’études. Les recherches récentes laissent supposer que la consommation régulière d’un nouvel aliment au potentiel allergène peut être tout aussi importante que le moment de son introduction.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".