MétaCan
Menu
Retour à la cohorte
Enregistrement W3104667755 · doi:10.33182/bc.v10i2.1161

Household food insecurity and associated socio-economic factors among recent Syrian refugees in two Canadian cities

2020· article· en· W3104667755 sur OpenAlexaffabout
Lina Al-Kharabsheh, Samer Al-Bazz, Mustafa Koç, Joe Garcia, Ginny Lane, Rachel Engler‐Stringer, Judy White, Hassan Vatanparast

Notice bibliographique

RevueBORDER CROSSING · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of ReginaToronto Metropolitan UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFood insecurityFood securityRefugeeSyrian refugeesSocioeconomic statusSocioeconomicsGeographyEnvironmental healthAgricultureMedicineEconomicsPopulation

Résumé

récupéré en direct d'OpenAlex

In Canada, the prevalence of food insecurity is high among low-income households, particularly recent refugees. We evaluated the prevalence of food security among recent Syrian refugees and the associated factors in two Canadian cities, Toronto and Saskatoon. We collected data using the Household Food ‎Security Model, sociodemographic and socioeconomic questionnaires from 151 families. 84% of the Syrian households were food insecure, with no significant difference in prevalence between Saskatoon and Toronto. The risk of food insecurity was four ‎times higher for households with the annual income below $40,000. Households with educated woman (high school or higher) had four times higher risk of household food insecurity compared to families with less-educated women. ‎Our findings indicate the high prevalence of food insecurity among recently resettled Syrian refugees in Canada. Higher-income directly associated with food security. The inverse association between education and food security in households with highly educated women warrants further investigation.

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 enseignants0,026
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0060,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,172
Tête enseignante GPT0,423
Écart entre enseignants0,251 · 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

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBORDER CROSSINGMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207