Food insecurity during COVID-19 in a Canadian academic pediatric hospital: a cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Hospital-based food insecurity is defined as the inability of caregivers to obtain adequate food during their child's hospital admission. We aimed to measure the prevalence of household and hospital-based food insecurity, and to explore the associations with caregiver distress in an academic pediatric hospital setting. METHODS: We conducted a cross-sectional survey of caregivers of children admitted to the general pediatric ward of an academic pediatric hospital in Toronto, Ontario, from April to October 2020. We measured household food insecurity using the 18-item Household Food Security Survey Module, and included 3 adapted questions about hospital-based food insecurity. We measured caregiver distress with the Distress Thermometer for Parents. We used descriptive statistics to assess the proportion of respondents with food insecurity, and linear regression models to explore the relation of household (adult and child) and hospital-based food insecurity with caregiver distress. We used thematic analysis to explore caregivers' feedback. RESULTS: We contacted 851 caregivers, and 775 (91.1%) provided consent to participate. Overall, 430 (50.5%) caregivers completed at least part of the survey. Caregivers described a high prevalence of household (34.2%) and hospital-based (38.1%) food insecurity. Adult (β = 0.21, 95% confidence interval [CI] 0.07-0.36), child (β = 0.38, 95% CI 0.10-0.66) and hospital-based (β = 0.56, 95% CI 0.30-0.83) food insecurity were significantly associated with caregiver distress, independent of covariates. We identified financial burden, emotional and practical barriers, stress obtaining food and advocacy for food as important themes in caregiver feedback. INTERPRETATION: Both household and hospital-based food insecurity were highly prevalent among caregivers. To reduce caregiver distress, hospitals need to consider reducing barriers for caregivers in obtaining food for themselves during their child's admission.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».