“I was eating more fruits and veggies than I have in years”: a mixed methods evaluation of a fresh food prescription intervention
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Food insecurity is associated with poor nutritional health outcomes. Prescribing fresh fruits and vegetables in healthcare settings may be an opportunity to link patients with community supports to promote healthy diets and improve food security. This mixed methods study evaluated the impacts of a fresh food prescription pilot program. METHODS: The study took place at two Community Health Centre locations in Guelph, Ontario, Canada. Sixty food insecure patients with ≥1 cardio-metabolic condition or micronutrient deficiency participated in the intervention. Participants were prescribed 12 weekly vouchers to Community Food Markets. We conducted a one-group pre-post mixed-methods evaluation to assess changes in fruit and vegetable intake, self-reported health, food security, and perceived food environments. Surveys were conducted at baseline and follow-up and semi-structured interviews with participants were conducted following the intervention. RESULTS: Food security and fruit and vegetable consumption improved following the intervention. Food security scores increased by 1.6 points, on average (p < 0.001). Consumption of fruits and 'other' vegetables (cucumber, celery, cabbage, cauliflower, squashes, and vegetable juice) increased from baseline to follow-up (p < 0.05). No changes in self-reported physical or mental health were observed. Qualitative data suggested that the intervention benefited the availability, accessibility, affordability, acceptability, and accommodation of healthy foods for participating households. CONCLUSIONS: Fresh food prescription programs may be a useful model for healthcare providers to improve patients' food environments, healthy food consumption, and food security.
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.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle