IMPROVING FOOD AND NUTRITION SECURITY OF VULNERABLE COMMUNITIES - AN INTEGRATED NUTRITION SENSITIVE APPROACH
Notice bibliographique
Résumé
Background: Food and Nutrition Security is a multilevel and complex construct, needing a holistic developmental approach, including multiple stakeholders. These projects were implemented by local partners, Lasoona and Doaba Foundation addressing food availability, access, use, utilization, and sustainability through a multi-sectoral approach. The aim of the evaluation was to provide a comprehensive assessment of Food and Nutrition Security projects (1086 and 1087) based on OECD DAC evaluation criteria. Methods: Mixed method approach, quasi-experimental design was used, including desk review, key informant interviews, focus group discussions with target communities, structured interviews of beneficiaries using Household Food Insecurity Assessment Scale (HIFAS) and Months of Adequate Household Food Provisioning (MAHFP) scale. Results: According to the HIFAS results, Districts of Khyber Pakhtunkhwa (KP) including Kohistan & Sawat were vulnerable with 34% and 15.78 % households facing food insecurity respectively. While in Muzaffargarh, a district of Punjab, 47% households were facing food insecurity. HDDS and IDDS improved considerably in all districts of KP and Punjab. Conclusion: The evaluated projects were social change projects sowing the seeds of a major social paradigm shift - changing the status of women at household and community level. Awareness of malnutrition and balanced diet through community volunteers, peer educators, social mobilizers and outreach workers played a pivotal role. Access and availability of diversified and nutritious food via kitchen gardens and plantation of trees with the use of organic fertilizers was encouraged.
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 | 0,005 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».