MétaCan
Menu
Retour à la cohorte
Enregistrement W3187752735 · doi:10.1001/jamahealthforum.2021.2001

Interventions to Address Food Insecurity Among Adults in Canada and the US

2021· review· en· W3187752735 sur OpenAlexaboutno aff
Carlos Irwin A. Oronce, Isomi M Miake-Lye, Meron M. Begashaw, Marika Booth, William H. Shrank, Paul G Shekelle

Notice bibliographique

RevueJAMA Health Forum · 2021
Typereview
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Veterans Affairs
Mots-clésPsychological interventionEnvironmental healthMedicineGrey literatureGerontologySupplemental Nutrition Assistance ProgramMEDLINEFood securityFood insecurityAgricultureNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

Importance: Inadequate access to food is a risk factor for poor health and the effectiveness of federal programs targeting food insecurity, such as the Supplemental Nutrition Assistance Program (SNAP), are well-documented. The associations between other types of interventions to provide adequate food access and food insecurity status, health outcomes, and health care utilization, however, are unclear. Objective: To review evidence on the association between food insecurity interventions and food insecurity status, clinically-relevant health outcomes, and health care utilization among adults, excluding SNAP. Data Sources: A systematic search for English-language literature was performed in PubMed Central and Cochrane Trials databases (inception to January 23, 2020), the Social Interventions Research and Evaluation Network database (December 10, 2019); and the gray literature using Google (February 1, 2021). Study Selection: Studies of any design that assessed the association between food insecurity interventions for adult participants and food insecurity status, health outcomes, and health care utilization were screened for inclusion. Studies of interventions that described addressing participants' food needs or reporting food insecurity as an outcome were included. Interventions were categorized as home-delivered food, food offered at a secondary site, monetary assistance in the form of subsidies or income supplements, food desert interventions, and miscellaneous. Data Extraction and Synthesis: Data extraction was performed independently by 3 reviewers. Study quality was assessed using the Cochrane Risk of Bias Tool, the ROBINS-I (Risk of Bias in Non-Randomized Studies of Interventions) tool, and a modified version of the National Institutes of Health's Quality Assessment Tool for Before-After Studies With No Control. The certainty of evidence was based on GRADE (Grading of Recommendations Assessment, Development, and Evaluation) criteria and supplemented with mechanistic and parallel evidence. For outcomes within intervention categories with at least 3 studies, random effects meta-analysis was performed. Main Outcomes and Measures: ), and health care utilization (eg, hospitalizations, costs). Results: A total of 39 studies comprising 170 605 participants were included (8 randomized clinical trials and 31 observational studies). Of these, 14 studies provided high-certainty evidence of an association between offering food and reduced food insecurity (pooled random effects; adjusted odds ratio, 0.53; 95% CI, 0.33-0.67). Ten studies provided moderate-certainty evidence of an association between offering monetary assistance and reduced food insecurity (pooled random effects; adjusted odds ratio, 0.64; 95% CI, 0.49-0.84). There were fewer studies of the associations between interventions and health outcomes or health care utilization, and the evidence in these areas was of low or very low certainty that any food insecurity interventions were associated with changes in either. Conclusions and Relevance: This systematic review with meta-analysis found that providing food and monetary assistance was associated with improved food insecurity measures; however, whether it translated to better health outcomes or reduced health care utilization was unclear.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,334

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,037
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0050,008
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,170
Tête enseignante GPT0,467
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Health ForumMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207