Facteurs associés à la poursuite de l'allaitement jusqu'à 6 mois chez les mères allaitantes dans une maternité parisienne
Bibliographic record
Abstract
L’allaitement maternel contribue à la santé de l’enfant et de la mère. Compte tenu du peu d’études réalisées en France, il s’avère pertinent d’examiner outre les facteurs sociodémographiques, les facteurs psychosociaux et relationnels. Les objectifs de l’étude sont : décrire la proportion de mères qui allaitent jusqu’à six mois, d’identifier les facteurs sociodémographiques, psychosociaux et relationnels qui influent sur ce type d’allaitement. Il s’agit d’une étude de cohorte prospective, observationnelle, monocentrique. Les instruments utilisés sont le questionnaire des données sociodémographiques et des données cliniques, l’échelle de sensibilité maternelle, l’échelle du soutien social et l’inventaire d’anxiété situationnelle. Sur 247 mères incluses, 134 (54,3 %) ont répondu à six mois et 55 (41,0 %) mères ont déclaré allaiter à six mois. L’analyse multivariée montre de façon significative les facteurs associés à la poursuite de l’allaitement à six mois : la détermination des mères à allaiter (OR (95 % CI) : 3,99 (1,04-15,31)), la sensibilité maternelle élevée à 48h (OR (95 % CI) : 0,16 (0,03-0,84)) et la présence d’une anxiété maternelle à 48h (OR (95 % CI) : 1,18 (1,06-1,32)). L’approche interactionniste prenant en compte la sensibilité maternelle est une piste prometteuse pour soutenir l’allaitement. Les facteurs psychosociaux et relationnels sont des champs qui méritent d’être explorés. La connaissance de ces facteurs permet de renforcer les stratégies d’information et de soutien aux mères qui allaitent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".