Addressing embodied inequities in health: how do we enable improvement in women’s diet in pregnancy?
Notice bibliographique
Résumé
OBJECTIVE: To disrupt cycles of health inequity, traceable to dietary inequities in the earliest stages of life, public health interventions should target improving nutritional wellbeing in preconception/pregnancy environments. This requires a deep engagement with pregnant/postpartum people (PPP) and their communities (including their health and social care providers, HSCP). We sought to understand the factors that influence diet during pregnancy from the perspectives of PPP and HSCP, and to outline intervention priorities. DESIGN: We carried out thematic network analyses of transcripts from ten focus group discussions (FGD) and one stakeholder engagement meeting with PPP and HSCP in a Canadian city. Identified themes were developed into conceptual maps, highlighting local priorities for pregnancy nutrition and intervention development. SETTING: FGD and the stakeholder meeting were run in predominantly lower socioeconomic position (SEP) neighbourhoods in the sociodemographically diverse city of Hamilton, Canada. PARTICIPANTS: All local, comprising twenty-two lower SEP PPP and forty-three HSCP. RESULTS: Salient themes were resilience, resources, relationships and the embodied experience of pregnancy. Both PPP and HSCP underscored that socioeconomic-political forces operating at multiple levels largely determined the availability of individual and relational resources constraining diet during pregnancy. Intervention proposals focused on cultivating individual and community resilience to improve early-life nutritional environments. Participants called for better-integrated services, greater income supports and strengthened support programmes. CONCLUSIONS: Hamilton stakeholders foregrounded social determinants of inequity as main factors influencing pregnancy diet. They further indicated a need to develop interventions that build resilience and redistribute resources at multiple levels, from the household to the state.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,012 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».