A Scoping Review of Breastfeeding in Women with Chronic Diseases
Notice bibliographique
Résumé
Background: Approximately 10–20% of mothers have a chronic disease. Studies on breastfeeding in women with chronic disease span multiple disciplines, and these have not been collated to synthesize knowledge and identify gaps. The objective of this review was to summarize published literature on breastfeeding in women with chronic disease. Methods: We conducted a scoping review of original research and systematic reviews identified in Medline, EMBASE, and CINAHL (1990–2019) and by hand searching on women with chronic diseases reporting on at least one breastfeeding-related topic. Conference abstracts, case-studies, and studies on pregnancy-induced conditions or lactation pharmacology were excluded. Content analysis and narrative synthesis were used to analyze findings. Results: We identified 128 articles that were predominantly quantitative (80.5%), conducted in Europe or North America (65.6%), analyzed sample sizes of <200 (57.0%), and published from 2010 onward (68.8%). Diabetes (42.2%), multiple sclerosis (MS; 19.5%), and epilepsy (13.3%) were the most common diseases studied. Breastfeeding was a primary focus in approximately half (53.1%) of the articles, though definitions were infrequently reported (32.8%). The most-studied topics were breastfeeding duration/exclusivity (55.7%), reasons for feeding behavior (19.1%), and knowledge and attitudes about breastfeeding (18.3%). Less studied topics (<10% of articles each) included milk expression behaviors, breastfeeding difficulties, and feeding supports. Conclusions: Existing literature focuses primarily on diabetes or MS, and breastfeeding behaviors and outcomes. Further research examining a broader range of chronic diseases, with large sample sizes, and sufficient breastfeeding measurement detail can improve our understanding of breastfeeding disparities in this 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».