Regional differences in the impact of the COVID-19 pandemic on food sufficiency in California, April–July 2020: implications for food programmes and policies
Notice bibliographique
Résumé
OBJECTIVE: To evaluate regional differences in factors associated with food insufficiency during the initial months of the COVID-19 pandemic among three major metropolitan regions in California, a state with historically low participation rates in the Supplementation Nutrition Assistance Program, the nation's largest food assistance programme. DESIGN: Analysis of cross-sectional data from phase 1 (23 April-21 July 2020) of the US Census Household Pulse Survey, a weekly national online survey. SETTING: California, and three Californian metropolitan statistical areas (MSA), including San Francisco-Oakland-Berkeley, Los Angeles-Long Beach-Anaheim and Riverside-San Bernardino-Ontario MSA. PARTICIPANTS: Adults aged 18 years and older living in households. RESULTS: Among the three metropolitan areas, food insufficiency rates were lowest in the San Francisco-Oakland-Berkeley MSA. Measures of disadvantage (e.g., having low-income, being unemployed, recent loss of employment income and pre-pandemic food insufficiency) were widely associated with household food insufficiency. However, disadvantaged households in the San Francisco Bay Area, the area with the lowest poverty and unemployment rates, were more likely to be food insufficient compared with those in the Los Angeles-Long Beach-Anaheim and Riverside-San Bernardino-Ontario MSA. CONCLUSIONS: Food insufficiency risk among disadvantaged households differed by region. To be effective, governmental response to food insufficiency must address the varied local circumstances that contribute to these disparities.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».