Self-Reported Food Insecurity and Depression among the Older Population in South Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
South Africa represents one of the most rapidly aging countries in sub-Saharan Africa with a rising burden of age-related psychological morbidities. Despite having one of the highest human development scores in the region, the country faces serious poverty and food insecurity related challenges. Previous studies have shown a positive association between food insecurity and poor mental health among the adult population, however there is no systematic evidence on this association among the elderly population in an African setting. In the present study, we aimed to address this research gap by analyzing cross-sectional data (n = 931) on the over-50 population (>50 years) from the SAGE (Study on global AGEing and adult health) Well-Being of Older People Study (WOPS) of the World Health Organization, conducted between 2010 and 2013. The outcome variable was perceived depression and the explanatory variables included several sociodemographic factors including self-reported food insecurity. The independent associations between the outcome and explanatory variables were measured using multivariable regression analysis. Results showed that close to a quarter of the population (22.6%, 95% CI = 21.4, 24.7) reported having depression in the last 12 months, with the percentage being markedly higher among women (71.4%). In the multivariable regression analysis, self-reported food insecurity was found to be the strongest predictor of depression among both sexes. For instance, severe food insecurity increased the odds of depression by 4.805 [3.325, 7.911] times among men and by 4.115 [2.030, 8.341] times among women. Based on the present findings, it is suggested that national food security programs focus on promoting food security among the elderly population in an effort to improve their mental health status. Nonetheless, the data were cross-sectional and the associations can’t imply causality.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle