A Quality Improvement Initiative to Increase the Milk Donation to the Human Milk Bank Post-Coronavirus Disease-19 Pandemic
Notice bibliographique
Résumé
Background and Objective: Donor human milk (DHM) from the human milk bank (HMB) is the next best alterative in circumstances when mother's own milk is not available. There was a steep decline in the volume of DHM collected during the coronavirus disease-19 (COVID-19) pandemic due to various factors, while DHM demand increased. Hence, a quality improvement (QI) study was conducted to increase the volume of milk donation to HMB from postpandemic baseline of 300–400 to 1,000 mL/day over 8 weeks. Materials and Methods: Fish bone analysis was used to identify the potential barriers, and four Plan-Do-Study-Act (PDSA) cycles were conducted from January 2021 to March 2021 to address the key barriers. In the first PDSA cycle, training of health care providers was done. Sessions for educating mothers in the second PDSA cycle and individualized one-to-one counseling of mothers by a mother support group were done in the third PDSA cycle. The availability of breast pump was increased in the fourth PDSA cycle. Sustainability of the interventions was studied for 6 months and data were analyzed. Results: The average DHM collected per day at the end of each PDSA cycle was 900, 1,500, 1,000, and 1,100 mL. Although the sustenance phase was affected by the second COVID-19 wave, prompt identification of the issues and timely interventions prevented the donated volume from dropping to preintervention levels. Conclusion: QI initiatives customized for local settings can result in significant improvement in voluntary milk donation in HMB, which can result in more availability of DHM to premature babies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».