Household food insecurity in Panamanian subsistence farming communities is associated with indicators of household wealth and constraints on food production
Notice bibliographique
Résumé
OBJECTIVE: To determine if constraints on agricultural production were a novel construct in the Panama Food Security Questionnaire (FSQ) and to characterize agricultural and economic determinants of food insecurity during the planting, growing and harvesting time periods in subsistence farming communities. DESIGN: This longitudinal study followed households during land preparation, growing and harvest periods in one agricultural cycle. Agricultural production and economic variables were recorded and the Panama FSQ was administered. Exploratory factor analysis was used to verify construct validity of the FSQ. A food insecurity score (FIS), ranging from 0 to 42, was derived. Multiple regression analyses of FIS were conducted for each agricultural period. SETTING: Fifteen rural villages in Panama. PARTICIPANTS: Subsistence farming households (n 237). RESULTS: The FSQ contained four constructs: (i) ability to buy food; (ii) decreased amount/number of meals; (iii) feeling hungry; and (iv) lower agricultural production because of weather or lack of resources. Although most households were mildly food insecure in all time periods, determinants of food insecurity differed in each. Higher FIS was associated during land preparation with less rice and legumes planted and lower asset-based wealth; during growing months with less rice, more maize and pigeon peas planted and not selling produce; and during harvest with less rice planted, fewer chickens and lower income. CONCLUSIONS: Constraints on agriculture was a novel construct of the Panama FSQ. Different income-related variables emerged in each agricultural period. Planting staple foods and raising chickens were associated with food security, but some crop choices were associated with food insecurity.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».