Humanitarian Food Security Interventions during the COVID-19 Pandemic in Low- and Middle-Income Countries: A Review of Actions among Non-State Actors
Notice bibliographique
Résumé
Widespread food insecurity has emerged as a global humanitarian crisis during the coronavirus disease 2019 (COVID-19) pandemic. In response, international non-governmental organizations (INGOs) and United Nations (UN) agencies have mobilized to address the food security needs among different populations. The objective of this review was to identify and describe food security interventions implemented by INGOs and UN agencies during the early stages of the pandemic. Using a rapid review methodology, we reviewed food security interventions implemented by five INGOs and three UN agencies between 31 December 2019 and 31 May 2020. Descriptive statistical and content analyses were used to explore the extent, range, and nature of these interventions. In total, 416 interventions were identified across 107 low- and middle-income countries. Non-state actors have developed new interventions to directly respond to the food security needs created by the pandemic. In addition, these humanitarian organizations have adapted (e.g., new public health protocols, use of technology) and reframed existing initiatives to position their efforts in the context of the pandemic. These findings provide a useful baseline to monitor how non-state actors, in addition to the food security interventions these organizations implement, continue to be influenced by the pandemic. In addition, these findings provide insights into the different ways in which INGOs and UN agencies mobilized resources during the early and uncertain stages of the pandemic.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».