Human Milk Feeding Status of Preterm Infants in Neonatal Intensive Care Units in China
Notice bibliographique
Résumé
BACKGROUND: Previous low human milk feeding rates in Chinese neonatal intensive care units of preterm infants were reported. There are no nationwide data on these. RESEARCH AIMS: To investigate the current status of human milk feeding for preterm infants in Chinese units and provide baseline data for future research. METHODS: A secondary data analysis was conducted from a previously established clinical database including 25 Chinese neonatal intensive care units. All infants born <34 weeks gestation and admitted to participating units from May 2015 to April 2018 were enrolled. Variables analyzed were infant data collected and the human milk feeding practices at participating units were surveyed. RESULTS: A total of 24,113 infants were included. The overall and exclusive human milk feeding rates were 58.2% and 18.8%, respectively, which increased significantly during study years. We found that rates of human milk feeding decreased with increase in gestational age and birth weight. There was significant variation in human milk feeding rates among units. Most participating Chinese neonatal intensive care units have taken measures to improve the rates of human milk feeding. CONCLUSIONS: The human milk feeding rates in Chinese neonatal intensive care units have continued to increase in the past 3 years, but there was significant variation among them. More efforts are needed to further increase the human milk feeding rates in China. TRIAL REGISTRATION: This study was registered NCT02600195 with clinicaltrials.gov on November 9, 2015.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».