Alcohol and breast feeding - Risk assessment based on physiologically based toxicokinetic modeling in newborns and infants
Bibliographic record
Abstract
Empfehlungen für den Konsum von Alkohol während der Stillzeit sehen vor, Milch vor Alkoholkonsum abzupumpen und diese anstelle des Stillens nach Alkoholkonsum zu verfüttern. Wir haben als Basis für eine Risikoabschätzung ein physiologisch basiertes kinetisches Modell aufgestellt, mit dem wir Alkoholkonzentrationen in einem gestillten Neugeborenen und einem drei Monate alten Säugling nach Konsum der Stillenden von Alkohol (alternativ: 0,25 L Wein, 0,5 L Bier, 0,1 L Sekt, 0,5 L "alkoholfreies" Bier, 0,5 L Null-Komma-null-Prozent Bier, 0,5 L Saft ) simulierten. Vergleichend wurde 1. die Konzentration beim Feten in utero während der Schwangerschaft bei Konsum der gleichen Alkoholmengen während der Schwangerschaft und 2. die Konzentration unter Therapie des Kindes mit einem pflanzlichen alkoholhaltigen Arzneimittel zur Behandlung von Blähungen simuliert. Die höchste Alkoholkonzentration in der Mutter ergab sich mit 0,59‰ nach 0,25 L Wein, die maximale Konzentration war beim gestillten Neugeborenen 0,0033‰, beim gestillten drei Monate alten Säugling 0,0038‰ und beim Feten (intrauterin) 0,36‰. Unter dem pflanzlichen Arzneimittel betrugen die Höchstkonzentrationen 0, 015 (Neugeborenes) und 0,015‰ (drei Monate alter Säugling). Wir diskutieren die simulierten Konzentrationen im Lichte von experimentellen Daten und sind der Auffassung, dass für Stillende die Empfehlungen "gelegentlich 1 bis 2 Gläser Wein" (Agence Nationale d’Accréditation et d'Évaluation en Santé 2002) und "kein exzessives oder tägliches Alkoholtrinken, gelegentlicher Konsum ohne schädliche Wirkung für das Kind" (Public Health Agency of Canada 2005) in Übereinstimmung mit wissenschaftlichen Daten stehen, während stärker einschränkende Empfehlungen nicht wissenschaftlich basiert sind.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".