ABA‐Feed Infant Feeding Training for Peer Supporters and Coordinators: Development and Mixed‐Methods Evaluation
Notice bibliographique
Résumé
The assets-based feeding help before and after birth (ABA-feed) intervention aims to improve breastfeeding rates by offering proactive peer support to first-time mothers, regardless of feeding intention. Based on behaviour change theory and an assets-based approach, the intervention involved training existing peer supporters to become infant feeding helpers (IFHs). A train-the-trainer model was used, with coordinators delivering four 2-h training sessions to IFHs. Training covered a study overview, IFH role, role-play scenarios and signposting to local assets. Due to COVID-19, training was delivered online. Post-training questionnaires were completed by 22/30 (73.3%) coordinators and 119/193 (61.7%) IFHs, and qualitative interviews were conducted with 24 coordinators and 72 IFHs. Researchers observed training at five sites, assessing fidelity, engagement and delivery quality. Questionnaire data were analysed descriptively, and qualitative data were analysed using framework analysis. Findings indicated that coordinators valued the train-the-trainer model, particularly information on formula feeding and antenatal discussions. IFHs found training engaging and felt prepared, though some were apprehensive about formula feeding support. While online training was convenient, challenges included monitoring discussions and role-play in breakout rooms. Most participants favoured a hybrid approach, with in-person sessions for interactive activities. Observations showed high training fidelity, participant engagement and confidence in delivering intervention components. The ABA-feed training was acceptable to coordinators and IFHs and was delivered with fidelity. Future training should adopt a hybrid approach, incorporating diverse resources and prioritising in-person interactive components such as role-play. Trial Registration: ISRCTN17395671.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».