Predictors of exclusive breastfeeding: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Breast milk is the ideal and complete food for infants. Demographic, social, economic and clinical factors affect exclusive breastfeeding (EBF). Identifying and understanding these factors can improve breastfeeding success. This study systematically reviews and analyzes the predictors of EBF. METHODS: and investigated through meta-regression, subgroup, and sensitivity analyses, while publication bias was assessed via a funnel plot. RESULT: Thirty eight articles were included in this review. Predictive factors in EBF were categorized into seven groups: mother's awareness of breastfeeding benefits, support received in breastfeeding and child-rearing, early breastfeeding after birth, mother's education level, annual income, mother's age, and prenatal care. Nineteen articles with a sample size of 70,183 were included in the meta-analysis. Results showed that a mother's awareness of breastfeeding benefits increases the odds of EBF by 2.70 times, support in child-rearing by 2.57 times, early breastfeeding (< 24 h) by 1.853 times, higher education level by 1.44 times, self-efficacy by 1.067, multiparity ≥ 2 by 1.50 times, having upper-middle annual income was associated with 28.3% higher than odds of EBF (95% CI 1.68, 1.54), female sex of infant by 1.07 times, and one to three antenatal visits by 0.108 times, (95% CI 1.27, 4.18). In normal vaginal delivery (NVD), the odds increased 2.22 fold, all statistically significant (95% CI 0.91, 5.43). CONCLUSION: The maternal awareness of the benefits of breastfeeding, maternal support, early breastfeeding, high education level, and improved family economic conditions are associated with EBF. Therefore, improving the educational, social, and economic levels of mothers improves EBF. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42023483049.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,005 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».