DOI: https://doi.org/10.1186/s12884-025-07753-3
PMID: https://pubmed.ncbi.nlm.nih.gov/40448061
تاريخ النشر: 2025-05-30
المؤلف: Gizem Kerimoğlu Yıldız وآخرون
الموضوع الرئيسي: الصحة المتنقلة وتطبيقات الصحة المتنقلة
نظرة عامة
تستكشف هذه الدراسة فعالية تطبيق استشارات الرضاعة الطبيعية المعتمد على الذكاء الاصطناعي (AI) على فعالية الأمهات الذاتية في الرضاعة الطبيعية، والنجاح، ومستويات القلق. باستخدام تصميم شبه تجريبي، تم تقسيم 60 أمًا إلى مجموعتين: واحدة تتلقى استشارات معتمدة على الذكاء الاصطناعي والأخرى تم تزويدها بكتيب تقليدي. تم جمع البيانات في فترات متعددة بعد الولادة باستخدام أدوات تقييم متنوعة، مما كشف عن تحسينات ذات دلالة إحصائية في فعالية الرضاعة الذاتية والنجاح لكلا المجموعتين مع مرور الوقت. ومن الجدير بالذكر أن مجموعة الذكاء الاصطناعي أظهرت نتائج متفوقة بحلول اليوم العاشر في الفعالية الذاتية وبحلول اليوم السابع في نجاح الرضاعة الطبيعية، بينما ظلت مستويات القلق متقاربة بين المجموعتين.
تؤكد النتائج على إمكانية تطبيقات الذكاء الاصطناعي في تعزيز دعم الرضاعة الطبيعية، مما يشير إلى أن الأدوات المدفوعة بالذكاء الاصطناعي يمكن أن تكمل بفعالية الأساليب التعليمية التقليدية. لا توفر هذه الأدوات دعمًا شخصيًا ومستمرًا فحسب، بل تخفف أيضًا من عبء العمل على المتخصصين في الرعاية الصحية من خلال معالجة التحديات الشائعة بعد الولادة. تدعو الدراسة إلى دمج التدخلات المدعومة بالذكاء الاصطناعي في رعاية الأمهات، لا سيما للأمهات لأول مرة وتلك في المناطق المحرومة. يجب أن تركز الأبحاث المستقبلية على فترات التدخل الأطول ودمج استشارات الذكاء الاصطناعي مع تدابير دعم أخرى لتعظيم نتائج صحة الأم والطفل.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور الحاسم لحليب الثدي كمصدر مثالي للتغذية للأطفال الرضع، مع التأكيد على توفيره الشامل للفيتامينات والمعادن الأساسية، ودعمه المناعي، وإمكانية إنقاذ حوالي 800,000 حياة من الأطفال دون سن الخامسة سنويًا من خلال زيادة معدلات الرضاعة الطبيعية. على الرغم من التوصيات القوية للرضاعة الطبيعية الحصرية خلال الأشهر الستة الأولى واستمرار الرضاعة الطبيعية لمدة تصل إلى عامين، تواجه العديد من الأمهات تحديات كبيرة خلال فترة ما بعد الولادة، مما يستلزم دعمًا وإرشادًا فعالين من المتخصصين في الرعاية الصحية، وخاصة الممرضات. يتم تحديد مفهوم فعالية الرضاعة الذاتية كعامل حاسم في مدة ونجاح الرضاعة الطبيعية، مع وجود أدلة تشير إلى أن الاستشارات التي تهدف إلى تعزيز الفعالية الذاتية يمكن أن تؤدي إلى تحسين نتائج الرضاعة الطبيعية.
تستكشف الورقة أيضًا دمج الذكاء الاصطناعي (AI) في الرعاية الصحية، وخاصة من خلال التطبيقات المحمولة، التي لديها القدرة على تمكين الأمهات وتعزيز دعم الرضاعة الطبيعية. يتم تقديم Chat-Generative Pre-Trained Transformer (ChatGPT) كابتكار ملحوظ قادر على تقديم استجابات دقيقة ودعم، على الرغم من الاعتراف بالقلق بشأن المعلومات المضللة والحاجة إلى إشراف مهني. تهدف الدراسة إلى التحقيق في آثار تطبيق استشارات الرضاعة الطبيعية المدعوم بالذكاء الاصطناعي على فعالية الأمهات الذاتية في الرضاعة الطبيعية، والنجاح، ومستويات القلق، مع وضع فرضيتين: أن الاستشارات المدعومة بالذكاء الاصطناعي لا تؤثر على هذه العوامل (H0) مقابل البديل الذي يفيد بأنها تؤثر (H1). تتناول هذه الأبحاث فجوة في الأدبيات، لا سيما في سياق تركيا، وتؤكد على ضرورة استكشاف دور الذكاء الاصطناعي في دعم الرضاعة الطبيعية والاستشارات.
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم العلاقات بين المتغيرات ذات الاهتمام. شملت جمع البيانات طريقة أخذ عينات منهجية، مما يضمن الحصول على عينة تمثيلية من السكان.
بالإضافة إلى ذلك، طبق الباحثون نماذج رياضية محددة لتفسير البيانات، بما في ذلك تحليل الانحدار لتحديد المتنبئين والارتباطات المهمة. تم اختبار المنهجيات بدقة من حيث الموثوقية والصلاحية، مما يضمن إمكانية تعميم النتائج على سياق أوسع. بشكل عام، كانت الطرق المستخدمة مصممة لتوفير نتائج قوية وقابلة للتكرار، مما يساهم في موثوقية استنتاجات الدراسة.
النتائج
شملت الدراسة 60 أمًا، مقسمة بالتساوي بين مجموعة دردشة الذكاء الاصطناعي ومجموعة الكتيب، دون ملاحظة اختلافات ديموغرافية كبيرة (p > 0.05). ومن الجدير بالذكر أنه تم العثور على فرق كبير فيما يتعلق بجنس الطفل (p < 0.05). أشار تحليل درجات "فعالية الرضاعة الذاتية" إلى تحسينات زمنية كبيرة لكلا المجموعتين عبر أربع نقاط قياس، حيث أظهرت مجموعة الذكاء الاصطناعي درجة متوسطة أعلى في القياس الرابع مقارنة بمجموعة الكتيب (Z = -2.216، p = 0.027)، مما يشير إلى حجم تأثير أكبر (r = 0.404) لتدخل الذكاء الاصطناعي. وبالمثل، أظهرت درجات LATCH أيضًا زيادات كبيرة مع مرور الوقت لكلا المجموعتين، حيث حققت مجموعة الذكاء الاصطناعي درجات أعلى في القياس الثالث (Z = -2.995، p = 0.003) وحجم تأثير كبير (r = 0.546). في المقابل، لم يتم العثور على اختلافات كبيرة في درجات Beck Anxiety Inventory (BAI) عبر القياسات لأي من المجموعتين (AI: f = 4.800، p = 0.187؛ الكتيب: f = 3.985، p = 0.263)، مما يشير إلى أن مستويات القلق ظلت مستقرة طوال الدراسة. بشكل عام، تسلط النتائج الضوء على فعالية التدخل المعتمد على الذكاء الاصطناعي في تعزيز فعالية الرضاعة الذاتية ودرجات LATCH مع مرور الوقت.
المناقشة
تستكشف الدراسة آثار تطبيق محمول مدعوم بالذكاء الاصطناعي لاستشارات الرضاعة الطبيعية على فعالية الأمهات الذاتية، والنجاح، ومستويات القلق مقارنةً بنهج الكتيب التقليدي. تم إجراء الدراسة في جناح ما بعد الولادة في مستشفى حكومي، حيث شمل التصميم شبه التجريبي 60 أمًا لأول مرة تلقت إما دعمًا معتمدًا على الذكاء الاصطناعي أو كتيب مطبوع. تم جمع البيانات من خلال أدوات متنوعة موثوقة، بما في ذلك نظام تقييم ورسم الرضاعة الطبيعية، ومقياس فعالية الرضاعة الذاتية بعد الولادة، ومقياس قلق بيك، مع الإشارة إلى أن مجموعة الذكاء الاصطناعي أظهرت معدلات فعالية رضاعة ذاتية ونجاح أعلى بشكل ملحوظ، لا سيما عند علامة ما بعد الولادة لمدة سبعة أيام، مع حجم تأثير معتدل إلى كبير (r = 0.404).
على الرغم من التحسينات في فعالية الرضاعة الذاتية والنجاح في كلا المجموعتين، لم تظهر مستويات القلق تغييرات كبيرة، مما يشير إلى أن الدعم المعلوماتي وحده قد لا يكون كافيًا لمعالجة الاحتياجات العاطفية. تسلط الدراسة الضوء على إمكانية تقنيات الذكاء الاصطناعي في تعزيز دعم الرضاعة الطبيعية، لا سيما في البيئات التي تعاني من محدودية الوصول إلى الاستشارات وجهًا لوجه. ومع ذلك، فإنها تؤكد أيضًا على ضرورة وجود نهج أكثر شمولية يدمج الدعم العاطفي والاجتماعي لمعالجة القلق بعد الولادة بشكل فعال. تدعو النتائج إلى مزيد من البحث في الآثار طويلة الأمد لمثل هذه التدخلات وأهمية دمج الأدوات التكنولوجية مع الرعاية المتمحورة حول الإنسان لتحسين نتائج صحة الأم.
DOI: https://doi.org/10.1186/s12884-025-07753-3
PMID: https://pubmed.ncbi.nlm.nih.gov/40448061
Publication Date: 2025-05-30
Author(s): Gizem Kerimoğlu Yıldız et al.
Primary Topic: Mobile Health and mHealth Applications
Overview
This study explores the effectiveness of an artificial intelligence (AI)-based mobile breastfeeding counseling application on mothers’ breastfeeding self-efficacy, success, and anxiety levels. Utilizing a quasi-experimental design, 60 mothers were divided into two groups: one receiving AI-based counseling and the other provided with a traditional booklet. Data were collected at multiple postpartum intervals using various assessment tools, revealing statistically significant improvements in breastfeeding self-efficacy and success for both groups over time. Notably, the AI group demonstrated superior outcomes by day 10 in self-efficacy and by day 7 in breastfeeding success, while anxiety levels remained comparable between groups.
The findings underscore the potential of AI applications in enhancing breastfeeding support, suggesting that AI-driven tools can effectively supplement traditional educational methods. These tools not only provide personalized and continuous support but also alleviate the workload of healthcare professionals by addressing common postpartum challenges. The study advocates for the integration of AI-supported interventions in maternal care, particularly for first-time mothers and those in underserved areas. Future research should focus on longer intervention periods and the combination of AI counseling with other supportive measures to maximize maternal and child health outcomes.
Introduction
The introduction of the research paper highlights the critical role of breast milk as the optimal source of nutrition for infants, emphasizing its comprehensive provision of essential vitamins and minerals, immune support, and potential to save approximately 800,000 lives of children under five annually through increased breastfeeding rates. Despite the strong recommendations for exclusive breastfeeding for the first six months and continued breastfeeding for up to two years, many mothers encounter significant challenges during the postpartum period, necessitating effective support and guidance from healthcare professionals, particularly nurses. The concept of breastfeeding self-efficacy is identified as a crucial determinant of breastfeeding duration and success, with evidence suggesting that counseling aimed at enhancing self-efficacy can lead to improved breastfeeding outcomes.
The paper further explores the integration of artificial intelligence (AI) in healthcare, particularly through mobile applications, which have the potential to empower mothers and enhance breastfeeding support. The Chat-Generative Pre-Trained Transformer (ChatGPT) is presented as a notable innovation capable of providing accurate responses and support, although concerns regarding misinformation and the need for professional oversight are acknowledged. The study aims to investigate the effects of an AI-supported mobile breastfeeding counseling application on mothers’ breastfeeding self-efficacy, success, and anxiety levels, positing two hypotheses: that AI-assisted counseling does not affect these factors (H0) versus the alternative that it does (H1). This research addresses a gap in the literature, particularly in the context of Turkey, and underscores the necessity for further exploration of AI’s role in breastfeeding support and counseling.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to assess the relationships between the variables of interest. Data collection involved a systematic sampling method, ensuring a representative sample of the population was obtained.
In addition, the researchers applied specific mathematical models to interpret the data, including regression analysis to identify significant predictors and correlations. The methodologies were rigorously tested for reliability and validity, ensuring that the findings could be generalized to a broader context. Overall, the methods employed were designed to provide robust and replicable results, contributing to the reliability of the study’s conclusions.
Results
The study involved 60 mothers, evenly split between an AI chatbot group and a booklet group, with no significant demographic differences observed (p > 0.05). Notably, a significant difference was found regarding the sex of the baby (p < 0.05). The analysis of "Breastfeeding Self-Efficacy" scores indicated significant temporal improvements for both groups across four measurement points, with the AI group showing a higher mean score at the fourth measurement compared to the booklet group (Z = -2.216, p = 0.027), suggesting a larger effect size (r = 0.404) for the AI intervention. Similarly, LATCH scores also demonstrated significant increases over time for both groups, with the AI group achieving higher scores at the third measurement (Z = -2.995, p = 0.003) and a large effect size (r = 0.546). In contrast, no significant differences were found in the Beck Anxiety Inventory (BAI) scores across measurements for either group (AI: f = 4.800, p = 0.187; booklet: f = 3.985, p = 0.263), indicating that anxiety levels remained stable throughout the study. Overall, the findings highlight the effectiveness of the AI-based intervention in enhancing breastfeeding self-efficacy and LATCH scores over time.
Discussion
The study investigates the effects of an AI-assisted mobile application for breastfeeding counseling on mothers’ self-efficacy, success, and anxiety levels compared to a traditional booklet approach. Conducted in a state hospital’s postpartum ward, the quasi-experimental design involved 60 primiparous mothers who received either AI-based support or a printed booklet. Data were collected through various validated instruments, including the Breastfeeding Charting System and Assessment Tool, the Postnatal Breastfeeding Self-Efficacy Scale, and the Beck Anxiety Inventory, with results indicating that the AI group exhibited significantly higher breastfeeding self-efficacy and success rates, particularly at the seven-day postpartum mark, with a moderate-to-large effect size (r = 0.404).
Despite improvements in breastfeeding self-efficacy and success in both groups, anxiety levels did not show significant changes, suggesting that informational support alone may be insufficient for addressing emotional needs. The study highlights the potential of AI technologies in enhancing breastfeeding support, particularly in settings with limited access to face-to-face counseling. However, it also underscores the necessity for more comprehensive approaches that integrate emotional and social support to effectively address postpartum anxiety. The findings advocate for further research into the long-term impacts of such interventions and the importance of combining technological tools with human-centered care to optimize maternal health outcomes.