Learning needs of family physicians, pediatricians and obstetricians to support breastfeeding and inform physician education
Notice bibliographique
Résumé
BACKGROUND: Physicians require breastfeeding education appropriate to their roles. The aim of this survey was to determine physician learning needs and to inform development of breastfeeding education for physicians. METHODS: A cross sectional survey was distributed to family physicians, pediatricians and obstetricians in a tertiary institution. Importance of knowledge to practice and confidence to manage was assessed for 18 learning topics proposed by a multi-specialty physician working group. Descriptive statistics, ANOVA and tests for equality of variances were calculated. Mean values of importance to practice and confidence to manage for each topic suggested learning priorities. RESULTS: The study group included 75 physicians. The most important topics were "informed choice when supporting newborn feeding," "analgesics, antidepressants and other medications while breastfeeding" and "community resources for breastfeeding support." Confidence to manage was lowest for "latch assessment," "what mom can do during pregnancy to promote milk production," and "risk factors for delayed lactogenesis." Preferred learning formats were 15-minute online modules and grand rounds. CONCLUSIONS: Physicians acknowledged the importance of all topics but report lowest confidence to manage latch assessment, prenatal interventions to support lactogenesis and management of delayed lactogenesis. Participants placed relatively low importance on learning about latch assessment despite the central nature of this skill in supporting early breastfeeding.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».