Does social support modify the relationship between food insecurity and poor mental health? Evidence from thirty-nine sub-Saharan African countries
Notice bibliographique
Résumé
OBJECTIVE: The present study aimed to determine the relationship among food insecurity, social support and mental well-being in sub-Saharan Africa, a region presenting the highest prevalence of severe food insecurity and a critical scarcity of mental health care. DESIGN: Food insecurity was measured using the Food Insecurity Experience Scale (FIES). Social support was assessed using dichotomous indicators of perceived, foreign perceived, received, given, integrative and emotional support. The Negative and Positive Experience Indices (NEI and PEI) were used as indicators of mental well-being. Multilevel mixed-effect linear models were applied to examine the associations between mental well-being and food security status, social support and their interaction, respectively, accounting for random effects at country level and covariates.ParticipantsNationally representative adults surveyed through Gallup World Poll between 2014 and 2016 in thirty-nine sub-Saharan African countries (n 102 235). RESULTS: The prevalence of severe food insecurity was 39 %. The prevalence of social support ranged from 30 to 72 % by type. In the pooled analysis using the adjusted model, food insecurity was dose-responsively associated with increased NEI and decreased PEI. Perceived, integrative and emotional support were associated with lower NEI and higher PEI. The differences in NEI and PEI between people with and without social support were the greatest among the most severely food insecure. CONCLUSIONS: Both food insecurity and lack of social support constitute sources of vulnerability to poor mental well-being. Social support appears to modify the relationship between food security and mental well-being among those most affected by food insecurity in sub-Saharan Africa.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».