MétaCan
Menu
Retour à la cohorte
Enregistrement W3215814240 · doi:10.3390/cli9110166

Community-Level Impacts of Climate-Smart Agriculture Interventions on Food Security and Dietary Diversity in Climate-Smart Villages in Myanmar

2021· article· en· W3215814240 sur OpenAlexfundno aff
Andrew Hanley, Galina Brychkova, Wilson John Barbon, Su Myat Noe, Chan Myae, Phyu Sin Thant, Peter C. McKeown, Julian Gonsalves, Charles Spillane

Notice bibliographique

RevueClimate · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersInternational Development Research Centre
Mots-clésFood securityPsychological interventionLivelihoodSanitationAgricultureEnvironmental healthBusinessSocioeconomicsDiversification (marketing strategy)Environmental resource managementGeographyMedicineEconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

Diversification of production to strengthen resilience is a key tenet of climate-smart agriculture (CSA), which can help to address the complex vulnerabilities of agriculture-dependent rural communities. In this study, we investigated the relationship between the promotion of different CSA practices across four climate-smart villages (CSVs) in Myanmar. To determine the impact of the CSA practices on livelihoods and health, survey data were collected from agricultural households (n = 527) over three years. Within the time period studied, the results indicate that some the CSA practices and technologies adopted were significantly associated with changes in household dietary diversity scores (HDDS), but, in the short-term, these were not associated with improvements in the households’ food insecurity scores (HFIAS). Based on the survey responses, we examined how pathways of CSA practice adoption tailored to different contexts of Myanmar’s four agroecologies could contribute to the observed changes, including possible resulting trade-offs. We highlight that understanding the impacts of CSA adoption on household food security in CSVs will require longer-term monitoring, as most CSA options are medium- to long-cycle interventions. Our further analysis of knowledge, attitudes and practices (KAPs) amongst the households indicated a poor understanding of the household knowledge, attitudes and practices in relation to nutrition, food choices, food preparation, sanitation and hygiene. Our KAP findings indicate that current nutrition education interventions in the Myanmar CSVs are inadequate and will need further improvement for health and nutrition outcomes from the portfolio of CSA interventions.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,002
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 Opus0,056
Tête enseignante GPT0,302
Écart entre enseignants0,247 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimateMême sujetChild Nutrition and Water AccessTravaux en français237 207