MétaCan
Menu
Retour à la cohorte
Enregistrement W2101065293 · doi:10.24095/hpcdp.31.3.06

An assessment of the barriers to accessing food among food-insecure people in Cobourg, Ontario

2011· article· en· W2101065293 sur OpenAlexafffundvenueabout
Siny Tsang, AM Holt, Eduardo Bessa Azevedo

Notice bibliographique

RevueChronic diseases and injuries in Canada · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensHaliburton Forest & Wild Life Reserve
Organismes subventionnairesUniversity of TorontoAlgoma University
Mots-clésFood insecurityBusinessSupplemental Nutrition Assistance ProgramFood securityFood Stamp ProgramMarketingEnvironmental healthFood stampsMedicineAgricultureGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Low-income people are most vulnerable to food insecurity; many turn to community and/or charitable food programs to receive free or low-cost food. This needs assessment aims to collect information on the barriers to accessing food programs, the opportunities for improving food access, the barriers to eating fresh vegetables and fruit, and the opportunities to increasing their consumption among food-insecure people in Cobourg, Ontario. METHODS: We interviewed food program clients using structured individual interviews consisting of mostly opened-ended questions. RESULTS: Food program clients identified barriers to using food programs as lack of transportation and the food programs having insufficient quantities of food or inconvenient operating hours. They also stated a lack of available vegetables and fruit at home, and income as barriers to eating more vegetables and fruit, but suggested a local fresh fruit and vegetable bulk-buying program called "Good Food Box" and community gardens as opportunities to help increase their vegetable and fruit intake. DISCUSSION: Many of the barriers and opportunities identified can be addressed by working with community partners to help low-income individuals become more food secure.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0060,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,055
Tête enseignante GPT0,387
Écart entre enseignants0,332 · 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'étudeQualitatif
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

Citations39
Publié2011
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueChronic diseases and injuries in CanadaMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207