Effectiveness of community health workers in improving early initiation and exclusive breastfeeding rates in a low‐resource setting: A cluster‐randomized longitudinal study
Notice bibliographique
Résumé
Abstract Little evidence exists in Kenya on the potential of community health workers (CHWs) in promoting exclusive breastfeeding (EBF) and early breastfeeding initiation (EBI) in resource‐restricted settings where very low EBF rates (2% to 12%) have been documented. The study utilized CHWs and assessed their effectiveness in promoting EBF and EBI. The cluster‐randomized longitudinal design was used and sixteen villages from Kiandutu Slum in Thika randomly assigned into either intervention group (IG) or comparison group (CG). Pregnant women attending Maternal Child Health (MCH) clinic were recruited. The IG received nutrition education sessions conducted by CHWs at home, two prenatally and six postnatally, plus the routine MCH care. The CG went through routine MCH care only. Infants feeding data were collected at 6, 10, 14, and 24 weeks postpartum by research assistants blinded to the intervention allocation. Differences in EBF and EBI in the two groups were tested using χ 2 tests, Kaplan–Meier survival analysis and generalized estimating equations. Of the 526 recruited in the study, 431 remained and were included in the analysis (IG = 176) and CG (225). The prevalence of EBF at 24 weeks was 45.3% in the IG compared with 15.0% in the CG, revealing a statistically significant difference log rank = 20.277, (1, n = 314) p < .001. The difference was not statistically significant in EBI prevalence between the IG (58.2%) and CG (60.3%; χ 2 = 0.008, p = .928). The CHWs have potential effectiveness in promoting EBF but not EBI. The link between the health center and CHWs should be strengthened to promote EBF.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».