Addressing Racial Inequities in Breastfeeding in the Southern United States
Notice bibliographique
Résumé
BACKGROUND: Race is a predictor of breastfeeding rates in the United States, and rates are lowest among African American infants. Few studies have assessed changes in breastfeeding rates by race after implementing the Ten Steps to Successful Breastfeeding (hereafter referred to as the Ten Steps), and none have assessed the association between implementation and changes in racial disparities in breastfeeding rates. Our goal was to determine if a hospital- and community-based initiative in the Southern United States could increase compliance with the Ten Steps, lead to Baby-Friendly designation, and decrease racial disparities in breastfeeding. METHODS: Hospitals in Mississippi, Louisiana, Tennessee, and Texas were enrolled into the Communities and Hospitals Advancing Maternity Practices initiative from 2014 to 2017 and received an intensive quality improvement and technical assistance intervention to improve compliance with the Ten Steps. Community partners and statewide organizations provided parallel support. Hospitals submitted monthly aggregate data stratified by race on breastfeeding, skin-to-skin care, and rooming in practices. RESULTS: The disparity in breastfeeding initiation between African American and white infants decreased by 9.6 percentage points (95% confidence interval 1.6–19.5) over the course of 31 months. Breastfeeding initiation increased from 66% to 75% for all races combined, and exclusivity increased from 34% to 39%. Initiation and exclusive breastfeeding among African American infants increased from 46% to 63% (P < .05) and from 19% to 31% (P < .05), respectively. Skin-to-skin care after cesarean delivery was significantly associated with increased breastfeeding initiation and exclusivity in all races; rooming in was significantly associated with increased exclusive breastfeeding in African American infants only. CONCLUSIONS: Increased compliance with the Ten Steps was associated with a decrease in racial disparities in breastfeeding.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».