The cost of not breastfeeding: global results from a new tool
Notice bibliographique
Résumé
Evidence shows that breastfeeding has many health, human capital and future economic benefits for young children, their mothers and countries. The new Cost of Not Breastfeeding tool, based on open access data, was developed to help policy-makers and advocates have information on the estimated human and economic costs of not breastfeeding at the country, regional and global levels. The results of the analysis using the tool show that 595 379 childhood deaths (6 to 59 months) from diarrhoea and pneumonia each year can be attributed to not breastfeeding according to global recommendations from WHO and UNICEF. It also estimates that 974 956 cases of childhood obesity can be attributed to not breastfeeding according to recommendations each year. For women, breastfeeding is estimated to have the potential to prevent 98 243 deaths from breast and ovarian cancers as well as type II diabetes each year. This level of avoidable morbidity and mortality translates into global health system treatment costs of US$1.1 billion annually. The economic losses of premature child and women's mortality are estimated to equal US$53.7 billion in future lost earnings each year. The largest component of economic losses, however, is the cognitive losses, which are estimated to equal US$285.4 billion annually. Aggregating these costs, the total global economic losses are estimated to be US$341.3 billion, or 0.70% of global gross national income. While the aim of the tool is to capture the majority of the costs, the estimates are likely to be conservative since economic costs of increased household caregiving time (mainly borne by women), and treatment costs related to other diseases attributable to not breastfeeding according to recommendations are not included in the analysis. This study illustrates the substantial costs of not breastfeeding, and potential economic benefits that could be generated by government and development partners' investments in scaling up effective breastfeeding promotion and support strategies.
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 | 0,016 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,008 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».