J Perinat Enfermeras Neonatales. 9 de diciembre de 2025. Revista: 10.1097/JPN.0000000000000977. En línea antes de imprimir.

PROPÓSITO: Este estudio tuvo como objetivo evaluar el efecto de la capacitación en lactancia materna (MLBT) basada en aprendizaje automático (ML) sobre el conocimiento y la continuación de la lactancia materna entre madres en riesgo de abandono temprano, identificadas por un modelo de ML.

DISEÑO Y MÉTODOS: Este estudio cuasiexperimental, realizado en 2 fases utilizando un diseño pre-postest, incluyó a 90 madres (45 intervención, 45 control). En la Fase 1, se desarrolló un ML para identificar a las madres en riesgo de cese temprano de la lactancia materna. En la Fase 2, se desarrollaron herramientas de recopilación de datos y capacitación MLBT basadas en perfiles de riesgo y se entregaron al grupo de intervención. Los datos se analizaron mediante pruebas de chi-cuadrado, pruebas t y ANOVA de medidas repetidas.

RESULTADOS: El grupo de intervención mostró mejoras significativas en el conocimiento de la lactancia materna en los 4 módulos MLBT (P < .01) and in total knowledge scores (P < .001). At 2 and 4 months postpartum, full and partial breastfeeding rates were significantly higher in the intervention group than in the control group (P < .005).

CONCLUSIÓN: La MLBT proporcionada a las madres identificadas por el modelo ML mejora efectivamente el conocimiento sobre la lactancia materna y apoya su continuación. La integración del aprendizaje automático en la práctica de enfermería puede mejorar la calidad de la atención médica a través de soluciones más eficientes y personalizadas.

IMPLICACIONES PARA LA PRÁCTICA: En un contexto global que cambia rápidamente, los enfoques innovadores y basados en evidencia son esenciales para apoyar la lactancia materna. Este estudio ofrece orientación para desarrollar y mejorar programas que promuevan la lactancia materna sostenida, contribuyendo a la salud materna e infantil.

PubMed:41361682 | Revista:10.1097/JPN.0000000000000977