Scoping review of the impacts of urban agriculture on the determinants of health
Notice bibliographique
Résumé
BACKGROUND: There has been an increasing interest in urban agriculture (UA) practice and research in recent years. Scholars have already reported numerous beneficial and potential adverse impacts of UA on health-related outcomes. This scoping review aims to explore these impacts and identify knowledge gaps for future UA studies. METHODS: A systematic search was conducted in seven electronic bibliographic databases to identify relevant peer-reviewed studies. Articles were screened and assessed for eligibility. From eligible studies, data were extracted to summarize, collate, appraise the quality and make a narrative account of the findings. RESULTS: A total of 101 articles (51 quantitative, 29 qualitative, and 21 mixed methods studies) were included in our final analysis. Among these articles, 38 and 37% reported findings from North America and Sub-Saharan Africa respectively. Quantitative studies revealed evidence of positive impacts of UA on food security, nutrition outcomes, physical and mental health outcomes, and social capital. The qualitative studies reported a wide range of perceived benefits and motivations of UA. The most frequently reported benefits include contributions to social capital, food security, health and/or wellbeing. However, the evidence must be interpreted with caution since the quality of most of the studies was assessed as weak to moderate. While no definitive conclusions can be drawn about the adverse impacts of UA on health, paying particular attention to contamination of UA soil is recommended. CONCLUSION: More peer-reviewed studies are needed in areas where UA is practiced such as Latin America and Caribbean. The inconsistency and the lack of strong quality in the methodology of the included studies are proof that more rigorous studies are also needed in future research. Nevertheless, the substantial existing evidence from this review corroborate that UA can influence different determinants of health such as food security, social capital, health and well-being in a variety of contexts.
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 | 0,027 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».