Trends and predictors of early initiation, exclusive and continued breast-feeding in Bangladesh (2004–2018): a multilevel analysis of demographic and health survey data
Notice bibliographique
Résumé
The early initiation of breast-feeding (EIBF) within 1 h of birth, exclusive breast-feeding (EBF) to 6 months and continued breast-feeding (CBF) to 2 years are key infant and young child feeding guidelines promoted globally for optimal child health and development. Using publicly available national survey data from the five most recent, consecutive Bangladesh Demographic and Health Surveys (2004, 2007, 2011, 2014 and 2017-2018), we assessed the trends in these key breast-feeding indicators. Multiple multilevel logistic regression models were built to assess socio-demographic predictors of breast-feeding using the latest 2017-2018 data set. Both EIBF and EBF have increased significantly between 2004 and 2017-2018, from 26 % to 60 % and 36 % to 68 %, respectively, and CBF decreased from 94 % to 85 %. Caesarean section delivery conferred lower EIBF practice (OR = 0·34, 95 % CI 0·27, 0·42) compared with vaginal delivery. Women who were currently working had 32 % lower odds of EBF (OR = 0·68, 95 % CI 0·48, 0·95). Compared with delivery at home, women who delivered in a health facility had 81 % higher odds of EBF (OR = 1·81, 95 % CI 1·25, 2·34). Larger family size (≥5) also predicted EBF (OR = 1·70, 95 % CI 1·21, 2·40). Rural residency was associated with 2·39 (95 % CI 1·32, 4·31) times of higher odds of CBF. Regional variation was also predictive of the various breast-feeding indicators. Although Bangladesh currently exceeds the 2019 global prevalence rates for these three breast-feeding indicators, efforts should be made to continue improving EIBF and EBF and to prevent future decreases in CBF.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».