Policies and Practices in a Cohort of Mississippi Birthing Hospitals During the COVID-19 Pandemic
Notice bibliographique
Résumé
Background and Objectives:Guidance around maternity care practices and infant feeding during the COVID-19 pandemic changed over time and was sometimes conflicting. Hospital maternity practices influence breastfeeding, an important preventive strategy against viral illness. Most birthing hospitals in Mississippi are enrolled in CHAMPS, a quality improvement initiative to support breastfeeding and continuously collect maternity care data. The aims of this study were to (1) assess changes to maternity care policies in response to COVID-19, and (2) compare hospital-level breastfeeding, skin-to-skin, and rooming-in rates, at cohort hospitals, before and during the pandemic, overall and stratified by race. Methods:Hospitals responded to a survey on maternity policies in May and September 2020 (Aim 1); hospitals submitted data on breastfeeding and maternity care practices before and during the pandemic (Aim 2). We tested for differences in survey responses using chi-squared statistics and performed an interrupted time series analysis on breastfeeding and maternity care practices data. Results:Twenty-six hospitals responded to the May and September 2020 surveys. Hospitals used different sources to create maternity care policies, and policies differed between institutions. Trends in rates of any and exclusive breastfeeding in the hospital cohort plateaued during the pandemic, in comparison to previous gains, and rates of skin-to-skin and hospital rooming-in decreased. No differences were evident between races. Conclusions:Policies (Aim 1) and practices in the quality improvement cohort hospitals were inconsistent during the COVID-19 pandemic, and changes measured to practices were detrimental (Aim 2). Ongoing monitoring is recommended.
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 | 0,003 | 0,017 |
| 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 | 0,000 |
| 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 ».