Proactive Lactation Care is Associated With Improved Outcomes in a Referral NICU
Notice bibliographique
Résumé
Background Mother’s milk improves outcomes. Referral neonatal intensive care units face unique lactation challenges with maternal–infant separation and maternal pump dependency. Little is known about lactation resource allocation in this high-risk population. Research Aims To determine differences in human milk outcomes, (1) the proportion of infants fed exclusive or any mother’s milk and (2) recorded number and volume of pumped mothers’ milk bottles, between two models of lactation care in a referral neonatal intensive care unit. Methods This retrospective, longitudinal, two-group comparison study utilized medical record individual feeding data for infants admitted at ≤ Day 7 of age and milk room storage records from reactive and proactive care model time periods (April, 2017–March, 2018; May, 2018–April, 2019). The reactive care model ( n = 509 infants, 58% male, median birth weight and gestational age of 37 weeks,) involved International Board Certified Lactation Consultant referral for identified lactation problems; whereas, the proactive model ( n = 472 infants, 56% male, median birth weight and gestational age 37 weeks) increased International Board Certified Lactation Consultant staffing, who then saw all admissions. Comparisons were performed using chi square, Mann Whitney, and t- tests. Results A proactive lactation approach was associated with an increase in the receipt of any mother’s milk from 74.3% to 80.2% ( p = .03) among participants in the proactive model group. Additionally, their milk room mean monthly bottle storage increased from 5153 ( SD 788) to 6620 ( SD 1314) bottles ( p < .01). Conclusions In this retrospective study at a tertiary referral neonatal intensive care unit, significant improvement inhuman milk outcomes suggests that increased resources for proactive lactation care may improve mother’s milk provision for a high-risk population.
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 | 0,000 |
| 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 ».