MétaCan
Menu
Retour à la cohorte
Enregistrement W4220722329 · doi:10.1016/j.jand.2022.03.016

Experiences and Perceived Outcomes of Low-Income Adults During and After Participating in the British Columbia Farmers’ Market Nutrition Coupon Program: A Longitudinal Qualitative Study

2022· article· en· W4220722329 sur OpenAlexafffundabout
Stéphanie Caron-Roy, Yun Yun Lee, Sayeeda Amber Sayed, Bonnie Lashewicz, Katrina Milaney, Sharlette Dunn, Heather O’Hara, Peter Leblanc, Rachel Prowse, Bonnie Fournier, Kim D. Raine, Charlene Elliott, Dana Lee Olstad

Notice bibliographique

RevueJournal of the Academy of Nutrition and Dietetics · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensThompson Rivers UniversityMemorial University of NewfoundlandBritish Columbia Salmon Farmers AssociationUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCouponSubsidySupplemental Nutrition Assistance ProgramQualitative researchSubsidized housingGerontologyQualitative propertyPsychologyMedicineMarketingBusinessPolitical scienceFood securitySociologyFinanceGeographyFood insecurityAgriculture

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The British Columbia Farmers' Market Nutrition Coupon Program (FMNCP) is a farmers' market food subsidy program that provides low-income households with coupons valued at $21/wk for 16 weeks to purchase healthy foods at participating BC Association of Farmers' Markets members' markets. OBJECTIVE: This study aimed to explore changes, differences, and similarities in participants' experiences and perceived short-term outcomes during and after participating in the FMNCP. DESIGN: A longitudinal qualitative research approach was used to conduct a recurrent cross-sectional analysis. Data generation and analysis were guided by Freedman et al's theoretical framework of nutritious food access. Data generation occurred during 2019 FMNCP program (time 1) and 4 to 7 weeks after (time 2) the program year ended. Data at each time point were analyzed separately using directed content analysis, followed by a comparative analysis to identify changes, differences, and similarities between time points. PARTICIPANTS: Twenty-eight adult participants were interviewed during the program; 24 were re-interviewed post program. SETTING: Three communities in British Columbia, Canada. RESULTS: Three themes were generated: temporary relief and engagement; lasting experiences and outcomes; enhancing participant experiences and outcomes. The first theme related to how participants' experiences and perceived outcomes, such as increased financial support and improved diet quality and health, were temporary. The second theme reflected positive lasting experiences and outcomes from participating in the FMNCP, including increased food and nutrition knowledge and enhanced social ties. The third theme focused on enhancing participants' program experiences and outcomes, including increasing the duration of food subsidies. CONCLUSION: The FMNCP temporarily enhanced access to nutritious foods and had lasting positive effects on participants' nutrition-related knowledge and social outcomes. Nevertheless, participants struggled to maintain healthy eating practices post program due to financial constraints. Expanding farmers' market subsidy programs may improve access to nutritious foods; maintain positive dietary, social, and health outcomes for participants; and reach more low-income households.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,958

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,003
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,099
Tête enseignante GPT0,449
Écart entre enseignants0,349 · 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'étudeQualitatif
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

Citations5
Publié2022
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueJournal of the Academy of Nutrition and DieteticsMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207