Prévalence, facteurs de risque et conséquences des allergies alimentaires chez les enfants d’âge scolaire
Bibliographic record
Abstract
L’objectif principal de cette recension d’écrits est de présenter l’état des connaissances actuelles sur la prévalence, les facteurs de risque et les conséquences des allergies alimentaires chez les enfants. L’objectif secondaire est de présenter certains arguments en faveur et en défaveur de l’interdiction des allergènes dans les écoles afin de guider les réflexions entourant la pratique des intervenants en milieu scolaire. Méthodes : La recherche a été effectuée sur Google Scholar et a répertorié 28 références, dont 25 articles scientifiques portant sur les allergies alimentaires chez les enfants ainsi que la gestion de celles-ci dans les écoles. Résultats : La prévalence des allergies alimentaires chez les enfants serait de 6-8%. Les facteurs de risque, dont plusieurs sont modifiables, se rapportent entre autres à l’introduction des allergènes et à l’exposition aux microorganismes. De multiples conséquences physiologiques et psychosociales sont également associées aux allergies alimentaires. Concernant l’interdiction des allergènes à l’école, il semble que ce ne soit pas l’approche à adopter pour réduire le risque de réaction allergique. Conclusions : Ces informations contribueront à guider les réflexions des nutritionnistes oeuvrant auprès d’une clientèle d’enfants d’âge scolaire atteints d’allergies alimentaires.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".