Impact of the COVID‐19 pandemic on infant feeding practices in the United States: Food insecurity, supply shortages and deleterious formula‐feeding practices
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic increased food insecurity among US households, however, little is known about how infants, who rely primarily on human milk and/or infant formula, were impacted. We conducted an online survey with US caregivers of infants under 2 years of age (N = 319) to assess how the COVID-19 pandemic impacted breastfeeding, formula-feeding and household ability to obtain infant-feeding supplies and lactation support (68% mothers; 66% White; 8% living in poverty). We found that 31% of families who used infant formula indicated that they experienced various challenges in obtaining infant formula, citing the following top three reasons: the formula was sold out (20%), they had to travel to multiple stores (21%) or formula was too expensive (8%). In response, 33% of families who used formula reported resorting to deleterious formula-feeding practices such as diluting formula with extra water (11%) or cereal (10%), preparing smaller bottles (8%) or saving leftover mixed bottles for later (11%). Of the families who fed infants human milk, 53% reported feeding changes directly as a result of the pandemic, for example, 46% increased their provisioning of human milk due to perceived benefits for the infant's immune system (37%), ability to work remotely/stay home (31%), concerns about money (9%) or formula shortages (8%). Fifteen percent of families who fed human milk reported that they did not receive the lactation support they needed and 4.8% stopped breastfeeding. To protect infant food and nutrition security, our results underscore the need for policies to support breastfeeding and ensure equitable and reliable access to infant formula.
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 | 0,001 |
| 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 ».