Factores modificables asociados a la pérdida de donantes en un banco de leche humana
Bibliographic record
Abstract
Objetivo Identificar los factores asociados al aumento del riesgo de perder donantes de leche humana (LH) en el banco de leche humana (BLH) del Hospital General de Medellín (HGM), Colombia durante 2014-2019. Metodología Se evaluaron 559 mujeres que contactaron al BLH para ser donantes de LH entre 2014-2019 según su clasificación como contacto apto o no apto para la donación. Se usó un modelo de regresión logística para analizar las variables asociadas a la clasificación de un contacto como no apto. Resultados Del total de contactos que recibió el BLH, 8,8% (n=49) fueron clasificados como no aptos. Al comparar con los aptos, los contactos no aptos tuvieron 1,8 años menos de edad, el doble pertenecía a la modalidad exclusiva, el mayor porcentaje tenía leche de madre de prematuro o calostro, todos fueron clasificados como no aptos en los primeros años de funcionamiento del BLH, no contaban con una prueba diagnóstica para infecciones de transmisión sexual (ITS) durante el último año y 22,9% más tuvo diagnóstico de anemia en la gestación (P<0,05). Contactar al BLH entre 2014-2016 (OR=3,08; P=0,004) y pertenecer a la modalidad de donación exclusiva (OR=3,11; P=0,004), incrementó el riesgo de ser clasificado como contacto no apto para donar LH al BLH. La ausencia de una prueba diagnóstica de VIH y la presencia anemia fueron considerados factores de exclusión. Conclusión Factores modificables incrementaron el riesgo de que una mujer con intención de donar LH al BLH no pudiera hacerlo. Identificarlos e intervenirlos permitiría incrementar el número de donadoras de los BLH.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".