MétaCan
Menu
← Retour à la cohorte
Enregistrement W3203421231 · doi:10.5539/gjhs.v13n11p35

Home Food Environments of Mothers in South-Eastern Africa and California-An Illustration of Global Extremes

2021· article· en· W3203421231 sur OpenAlexvenueno aff
Emma Scudero, Peggy Papathakis, Andrew Schaffner, Suzanne Phelan

Notice bibliographique

RevueGlobal Journal of Health Science · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesFHI 360National Institute of Diabetes and Digestive and Kidney DiseasesUnited States Agency for International Development
Mots-clésEnvironmental healthGeographySocioeconomicsMedicineDeveloping countryDemographyEconomic growthEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The type and availability of food in the home is known to directly shape food intake and weight status, but cross-cultural differences remain poorly documented. OBJECTIVE: The purpose of this study was to describe and compare the home food environments of low-income, childbearing women living in a low-income country (Malawi) and a high-income country (United States). METHODS: A home food environment survey was available in 714 mothers in Malawi (mean BMI 19.5, mean age 22.1 years) and 371 in California (mean BMI 31.8, mean age 28.1 years). RESULTS: Mothers in California vs. Malawi had on average (SD) 22.8 (4.4) vs. 1.2 (1.4) different food items in the home. The women in California had an abundance of fruits and vegetables that were virtually absent in the homes of Malawian women. The most prevalent food in the homes in Californian women was rice (in 97% homes) and in Malawian women was corn flour (in 47% of homes). CONCLUSIONS: Given the global extremes in food availability, efforts to address over and under food availabilities in the homes of childbearing women need to move beyond country centric approaches. It is time to consider maternal and child health as a global priority.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,303
Écart entre enseignants0,266 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetChild Nutrition and Water Access→Travaux en français237 207→