MétaCan
Menu
Retour à la cohorte
Enregistrement W3133889777 · doi:10.1017/s1368980021001002

Food insecurity and housing affordability among low-income families: does housing assistance reduce food insecurity?

2021· article· en· W3133889777 sur OpenAlexaff
Bo Kyong Seo, Gum‐Ryeong Park

Notice bibliographique

RevuePublic Health Nutrition · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFood insecurityFood securityCashPublic housingBusinessPovertySupplemental Nutrition Assistance ProgramLow incomeWelfareHousehold incomeEnvironmental healthEconomicsSocioeconomicsEconomic growthGeographyFinanceMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Given the competing needs for food and housing under the limited household income among poor families, there is lack of research on the associations between housing affordability and food insecurity. The current study examines how housing cost burden affects food insecurity of low-income families and whether decreased housing cost enhances food security. DESIGN: Longitudinal data from the Korean Welfare Panel Study, of which the final sample for the analysis consisted of 31 304 household-level observations from 5466 households based on twelve waves (2007-2018). SETTING: South Korea. PARTICIPANTS: Low-income households in the lowest 40 % of household income distribution. RESULTS: 19·3 % had food insecurity, and housing cost burden was associated with food insecurity. While in-kind housing assistance and in-cash assistance from all sources were likely to reduce food insecurity partially through influencing housing cost burden, in-cash housing assistance was associated with higher likelihood of food insecurity. CONCLUSIONS: Housing cost burden potentially limits food access among poor families, and housing assistance, particularly public housing and sufficient in-cash assistance, is conducive to alleviating food insecurity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,087
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,120
Tête enseignante GPT0,393
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207