Developing Pilot Interventions to Address Food Insecurity and Nutritional Needs of People Living With HIV in Latin America and the Caribbean: An Interinstitutional Approach Using Formative Research
Notice bibliographique
Résumé
BACKGROUND: Food insecurity and malnutrition present challenges to HIV management, but little research has been done in Latin America and the Caribbean (LAC). OBJECTIVE: To assess levels of food insecurity and malnutrition among people living with HIV (PLHIV) across multiple countries in LAC to inform pilot projects and policy. METHODS: Through interinstitutional collaboration, we collected data on sociodemographics, household food security, anthropometry, and commonly consumed foods among adults seeking care at HIV clinics in Bolivia, Honduras, and the Dominican Republic (DR; N = 400) and used the results for pilot projects. RESULTS: Most PLHIV had moderate or severe household food insecurity (61% in Bolivia, 71% in Honduras, and 68% in DR). Overweight and obesity were also highly prevalent, particularly among women (41%-53% had body mass index ≥25). High body fat was also prevalent, ranging from 36% to 59%. Among salient foods, fruits and vegetables were lacking. Country-specific pilot projects incorporated locally tailored nutrition counseling with a monthly household food ration, linkage to income-generating projects, or urban gardens. Nutritional counseling was conducted initially by professionals and later modified for peer counselors given the lack of nutritionists. CONCLUSION: High levels of food insecurity and overweight among PLHIV in LAC have important implications, since prior interventions to address food insecurity among PLHIV have focused on underweight and wasting. Formative research and intersectoral collaboration facilitated locally appropriate nutritional materials and interventions, enhanced local capacities, and helped incorporate nutritional guidelines into policies and practice. Addressing human capital constraints in resource-poor settings and developing complementary strategies were key recommendations.
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 | 0,070 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».