MétaCan
Menu
Retour à la cohorte
Enregistrement W175157150 · doi:10.1096/fasebj.21.5.a311-a

Seasonal patterns of severe food shortages vary by region in Ghana

2007· article· en· W175157150 sur OpenAlexafffund
Grace S. Marquis, Kimberly Harding, Esi K Colecraft, Melissa Fox, O. Sakyi-Dawson

Notice bibliographique

RevueThe FASEB Journal · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchUnited States Agency for International Development
Mots-clésEconomic shortageGeographyFood securitySocioeconomicsFood shortageLocale (computer software)AgricultureRural areaEcologyMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

Agriculture‐dependent populations often experience seasonal food insecurity. The perception of severe food shortages was documented in 6 rural and 6 semi‐rural communities in 3 regions of Ghana. Data were collected through interview‐administered questionnaires with 845 households. There were significant regional differences in the reported pattern of severe household food shortages (p<0.05). Northern communities reported a pattern that was moderately high throughout the year, around 15% of households, and a peak in May. Mid‐country communities showed consistently high shortages, around 40%, with little monthly variation. The coastal communities reported little to no food shortages from August through February with a sharp peak in May to June. There were significant differences between rural and semi‐rural communities. Prevalence of food shortages was higher for semi‐rural communities in the North and Coast during the peak months (p<0.05), but higher in the rural North in November and December (p<0.05). Understanding regional and locale differences that influence access to food is essential to enhancing food security in Ghana. Support was through GL‐CRSP, funded in part by USAID, Grant # PCE‐G‐00‐98‐00036‐00, and a CIHR grant to Harding.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAgricultural risk and resilienceTravaux en français237 207