Agricultural wealth better predicts mental wellbeing than market wealth among highly vulnerable households in Haiti: Evidence for the benefits of a multidimensional approach to poverty
Notice bibliographique
Résumé
OBJECTIVES: Lack of wealth (poverty) impacts almost every aspect of human biology. Accordingly, many studies include its assessment. In almost all cases, approaches to assessing poverty are based on lack of success within cash economies (eg, lack of income, employment). However, this operationalization deflects attention from alternative forms of poverty that may have the most substantial influence on human wellbeing. We test how a multidimensional measure of poverty that considers agricultural assets expands the explanatory power of the construct of household poverty by associating it with one key aspect of wellbeing: symptoms of mental health. METHODS: We used the case of three highly vulnerable but distinctive communities in Haiti-urban, town with a rural hinterland, and rural. Based on survey responses from adults in 4055 geographically sampled households, linear regression models were used to predict depression and anxiety symptom levels controlling for a wide range of covariates related to detailed measures of material poverty, including cash-economy and agricultural assets, income, financial stress, and food insecurity. RESULTS: Household assets related to the cash economy were significantly associated with lower (ie, better) depression scores (-0.7, [95% CI: -1.2 to, -0.1]) but unrelated to anxiety scores (-0.3 [95% CI: -0.8 to 0.3]). Agricultural wealth was significantly-and more strongly-associated with both reductions in depression symptoms (-1.4 [95% CI: -2.2 to -0.7]) and anxiety symptoms (-1.8 [95% CI: -2.6 to -1.0]). These associations were consistent across the three sites, except in the fully urban site in Port-au-Prince where level of depression symptoms was not significantly associated with household agricultural wealth. CONCLUSIONS: Standard measures of poverty based on success in the cash economy can mask important associations between poverty and wellbeing, in this case related to household-level subsistence capacity and crucial food-producing household assets.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».