MétaCan
Menu
Retour à la cohorte
Enregistrement W2965398237 · doi:10.3390/nu11081744

Food Insecurity and Nutritional Risk among Canadian Newcomer Children in Saskatchewan

2019· article· en· W2965398237 sur OpenAlexaffabout
Ginny Lane, Christine Nisbet, Hassan Vatanparast

Notice bibliographique

RevueNutrients · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFood insecurityEnvironmental healthFood securityPsychologyMedicineBusinessGeographyAgriculture

Résumé

récupéré en direct d'OpenAlex

Food insecurity continues to persist among vulnerable groups in Canada, including newcomer families. This mixed-methods study uses an exploratory sequential design to characterize the food security status of newcomer families with children aged 3–13 years. Parents completed food security and 24-hour dietary recall questionnaires, and parents and service providers were interviewed to explore their food insecurity experiences. Fifty percent of participant households experienced food insecurity, while 41% of children were food insecure. More recent newcomer families, and families with parents that had completed high school or some years of postsecondary training, more commonly experienced household food insecurity, compared to families with parents without high school diplomas or those with university degrees. Food-insecure children aged 4–8 years were at higher risk of consuming a lower proportion of energy from protein, lower servings of milk products, and inadequate intakes of vitamin B12 and calcium. Participants identified changes in food buying habits due to low income, using food budgets to purchase prescription drugs and to repay transportation loans, while the school food environment impacted children’s food security. Food security initiatives targeting newcomers may benefit from building on the strengths of newcomers, including traditional dietary practices and willingness to engage in capacity-building programming.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,288

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0060,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,045
Tête enseignante GPT0,348
Écart entre enseignants0,303 · 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'étudeObservationnel
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

Citations40
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207