Food Safety and Diversity in the COVID-19 Era: Experiences of Public Health and Settlement Officials with New Immigrants
Notice bibliographique
Résumé
Canada has a diverse socio-cultural population, 21.5% of which is comprised of immigrants born outside of the country, a figure now reaching 49.5% in big cities, such as Toronto. This diversity is also reflected in the food culture. While traditional foods carry immense importance for retaining immigrants’ socio-cultural and ethnic identities, the safe handling of cultural foods has been a concern for public health authorities in recent decades. Food handling training programs provided by public health and settlement agencies play a crucial role in educating new immigrants about critical aspects of food safety in households and commercial establishments. Little knowledge is available about main issues related to food safety and how COVID-19 has influenced the related outreach programs of different service agencies. Our study, the first of its kind, identifies knowledge gaps regarding public health risks among recent immigrants regarding food safety practices in light of the COVID-19 pandemic. Factors that lead to a decline in access to food safety knowledge among immigrants are identified. Responses of 14 public health and settlement workers working with different immigrant communities were collected through a qualitative online survey. Data were thematically analyzed using NVivo software. Results show that while food safety training and outreach programs are quite beneficial and build on new immigrants’ background knowledge about the critical aspects of food safety, food safety outreach programs offered by different service agencies have been significantly reduced.as a result of COVID-19. COVID and related health restrictions also worsened the financial challenges faced by new immigrants due to the closure of many foodservice businesses. Results also reveal that food safety infractions among newcomers are mainly due to language barriers and financial constraints. To meet the desired food safety learning targets, there is a need for developing culturally appropriate food safety training for different immigrant groups.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,010 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».