five

INFLUENCE OF DILUTION, TIME, AND TEMPERATURE AFTER PREPARATION ON THE OSMOLALITY OF INFANT FORMULAS GIVEN TO NEWBORNS|新生儿营养数据集|食品安全数据集

收藏
Mendeley Data2024-06-25 更新2024-06-27 收录
新生儿营养
食品安全
下载链接:
https://scielo.figshare.com/articles/INFLUENCE_OF_DILUTION_TIME_AND_TEMPERATURE_AFTER_PREPARATION_ON_THE_OSMOLALITY_OF_INFANT_FORMULAS_GIVEN_TO_NEWBORNS/7452671/1
下载链接
链接失效反馈
资源简介:
ABSTRACT Objective: To analyze the influence of dilution, time, and temperature after preparation on the osmolality of infant formulas given to newborns (NBs). Methods: Experimental and descriptive study with samples of different neonatal formulas to verify the osmolality of the milk according to dilution, time, and temperature after preparation. We analyzed seven neonatal formulas in the following times after preparation: immediately (up to 5 minutes); 20 and 40 minutes; every hour up to 8 hours; and 12 and 24 hours. The samples were evaluated at room temperature and after refrigeration. Osmolality curves were designed with the mean of triplicate samples of each milk sample. The digital Osmometer A+, model 3320, from Advanced Instruments measured the osmolality. Results: The time and temperature at which the milk was subjected after preparation did not cause the osmolality to exceed its safety cut-off point at a 1:30 dilution in any of the types of milk analyzed. At a 1:25 dilution, the formula with prebiotics in its composition went over the limit after 4 hours. Conclusions: The milk tested did not exceed the cut-off point of 450 mOsm/kg (approximately 400 mOsm/L), indicated as safe by the American Academy of Pediatrics (AAP) at a dilution recommended by manufacturers. It is important to know the factors that may or may not contribute to the rise of osmolality, in order to establish safe and quality practices for NBs, following protocols based on scientific evidence.
创建时间:
2023-06-28
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

ShapeNet

ShapeNet 是由斯坦福大学、普林斯顿大学和美国芝加哥丰田技术研究所的研究人员开发的大型 3D CAD 模型存储库。该存储库包含超过 3 亿个模型,其中 220,000 个模型被分类为使用 WordNet 上位词-下位词关系排列的 3,135 个类。 ShapeNet Parts 子集包含 31,693 个网格,分为 16 个常见对象类(即桌子、椅子、平面等)。每个形状基本事实包含 2-5 个部分(总共 50 个部分类)。

OpenDataLab 收录

PASCAL VOC 2007

这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象(即不是预先分割的对象)。它基本上是一个监督学习问题,因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是: 人:人 动物:鸟、猫、牛、狗、马、羊 交通工具:飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内:瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容:提供的训练数据由一组图像组成;每个图像都有一个注释文件,为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意,来自多个类的多个对象可能出现在同一图像中。

OpenDataLab 收录

LIDC-IDRI

LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。

OpenDataLab 收录

中国逐日格点降水数据集V2(1960–2024,0.1°)

CHM_PRE V2数据集是一套高精度的中国大陆逐日格点降水数据集。该数据集基于1960年至今共3476个观测站的长期日降水观测数据,并纳入11个降水相关变量,用于表征降水的相关性。数据集采用改进的反距离加权方法,并结合基于机器学习的LGBM算法构建。CHM_PRE V2与现有的格点降水数据集(包括CHM_PRE V1、GSMaP、IMERG、PERSIANN-CDR和GLDAS)表现出良好的时空一致性。数据集基于63,397个高密度自动雨量站2015–2019年的观测数据进行验证,发现该数据集显著提高了降水测量精度,降低了降水事件的高估,为水文建模和气候评估提供了可靠的基础。CHM_PRE V2 数据集提供分辨率为0.1°的逐日降水数据,覆盖整个中国大陆(18°N–54°N,72°E–136°E)。该数据集涵盖1960–2024年,并将每年持续更新。日值数据以NetCDF格式提供,为了方便用户,我们还提供NetCDF和GeoTIFF格式的年度和月度总降水数据。

国家青藏高原科学数据中心 收录

NIH Chest X-rays

Over 112,000 Chest X-ray images from more than 30,000 unique patients

kaggle 收录