Food Insecurity and Mental Well-Being in Immigrants: A Global Analysis
Notice bibliographique
Résumé
INTRODUCTION: This study estimates the prevalence of food insecurity, mental well-being, and their associations among immigrants and compares the food insecurity-mental well-being associations with nonimmigrants globally and by region. METHODS: The Gallup World Poll data from 2014 to 2019 were analyzed in 2021. A total of 36,313 immigrants and 705,913 nonimmigrants were included. Food insecurity was measured by the Food Insecurity Experience Scale. Mental well-being was assessed using the Negative Experience Index and Positive Experience Index. A community attachment index was used to measure the living environment. Multilevel mixed-effect linear models were used to examine how the Negative Experience Index/Positive Experience Index was associated with food insecurity and the community attachment index in immigrants and nonimmigrants, adjusting for sociodemographic characteristics, survey years, and country fixed effects. The modifying effects of immigration status on food insecurity-mental well-being associations were tested. RESULTS: The weighted proportion of food insecurity among global immigrants was 38.6% during 2014-2019. In the pooled adjusted model, food insecurity was dose-responsively associated with greater Negative Experience Index and lower Positive Experience Index than the food-secure ref (p<0.001 for trend). Similar dose-response associations were observed in nonimmigrants and in region-specific analyses. Community attachment marginally affected the food insecurity-mental well-being associations (all p≤0.001 for interaction). Immigration status significantly modified the food insecurity-mental well-being associations in all analyses (all p=0.01 for interaction), and immigrants experienced poorer mental well-being than nonimmigrants at the same level of community attachment and food insecurity. CONCLUSIONS: Food insecurity is prevalent and is associated with poor mental well-being in immigrants worldwide. Future interventions are needed to alleviate food insecurity and promote community attachment to improve mental health among immigrants, especially in Asian and Pacific countries.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».