L’exposition aux aliments et la prévention des allergies chez les nourrissons à haut risque
Bibliographic record
Abstract
Un nourrisson est à haut risque d'allergie alimentaire si lui ou un membre de sa famille immédiate présente une affection atopique (comme l'eczéma). Il faut promouvoir et soutenir l'allaitement, quels que soient les enjeux reliés à la prévention des allergies alimentaires, mais chez les nourrissons dont la mère ne peut pas allaiter ou choisit de ne pas le faire, il n'est pas recommandé d'utiliser une préparation en particulier (p. ex., les préparations hydrolysées) pour prévenir les allergies alimentaires. Lorsque les préparations à base de lait de vache sont introduites dans l'alimentation d'un nourrisson, il faut s'assurer de maintenir une ingestion régulière (pas nécessairement plus de 10 mL par jour) pour éviter la perte de tolérance. Chez les nourrissons à haut risque, des données concluantes indiquent que l'introduction précoce d'aliments allergènes (vers l'âge de six mois, mais pas avant l'âge de quatre mois) peut prévenir les allergies alimentaires courantes, notamment les allergies aux arachides et aux œufs. Lorsqu'un aliment allergène a été introduit, il est important d'en maintenir une ingestion régulière (p. ex., quelques fois par semaine) pour maintenir la tolérance. Il est possible d'introduire les aliments allergènes courants sans faire de pause de quelques jours entre chaque nouvel aliment. Par ailleurs, le risque d'une grave réaction lors de la première exposition est très faible chez le nourrisson. Il n'est pas recommandé de procéder au dépistage préventif en cabinet avant d'introduire des aliments allergènes. Aucune recommandation ne peut être formulée pour l'instant sur le rôle des modifications à l'alimentation de la mère pendant la grossesse ou l'allaitement, ou sur les suppléments de vitamine D, d'oméga 3, de prébiotiques ou de probiotiques pour prévenir les 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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".