Food insecurity and depression: a cross‐sectional study of a multi‐site urban youth cohort in Durban and Soweto, South Africa
Notice bibliographique
Résumé
OBJECTIVE: To assess the prevalence of food insecurity and the independent association between depression and food insecurity among youth living in two urban settings in South Africa. METHODS: Baseline cross-sectional survey data was analysed from a prospective cohort study conducted between 2014 and 2016 among youth (aged 16-24 years) in Soweto and Durban. Interviewer-administered questionnaires collecting socio-demographic, sexual and reproductive health and mental health data were conducted. Household food insecurity was measured using the 3-item Household Hunger Scale, with food insecure participants defined as having 'moderate' or 'severe hunger' compared to 'no hunger'. Depression was assessed using the 10-item Center for Epidemiological Studies Depression (CES-D 10) Scale (range 0-30, probable depression ≥ 10). Multivariable logistic regression models were used to estimate the association between depression and food insecurity. RESULTS: There were 422 participants. Median age was 19 years (interquartile range [IQR] 18-21) and 60% were women. Overall, 18% were food insecure and 42% had probable depression. After adjustment for socio-demographic variables (age, gender, female-headed household, household size and school enrolment), participants with probable depression had higher odds of being food insecure than non-depressed participants (2.79, 95%CI 1.57-4.94). CONCLUSION: Nearly one-fifth of youth in this study were food insecure. Those with probable depression had increased odds of food insecurity. Interventions are needed to address food insecurity among urban youth in South Africa, combining nutritional support and better access to quality food with mental health support.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».