Households’ Food Insecurity and Its Association with Demographic and Socioeconomic Factors in Gaza Strip, Palestine: A Cross- Sectional Study
Notice bibliographique
Résumé
Background: This sudy aimed to identify the prevalence of household's food insecurity and its association with demographic and socioeconomic factors. Methods: A cross-sectional study was conducted in September 2021 among a representative sample of households in the Gaza strip governorates. A total of 1167 households randomly selected from all five governorates and were included in the study. The Radimer/Cornell food security scale was used to determine the prevalence and levels of household food insecurity. The household's demographic and socioeconomic characteristics were obtained using an interview-based questionnaire. Statistical analysis was performed using SPSS version 25. Results: The overall prevalence of household's food insecurity was 71.5%. The prevalence by governorates was highest in Gaza (30.8%), followed by Khanyounis (23.0%), North-Gaza (18.6%), Middle-Area (15.2%) and Rafah (12.4%). Regarding the food insecurity levels, 333 (28.5%) of the households were food secure, 422 (36.2%) had mild food insecurity, 161 (13.8%) had moderate food insecurity, and 251 (21.5%) had severe food insecurity. Significant associations were found between governorates, monthly income, homeownership, work status with the household's food insecurity, (Crude OR [COR] = 2.02, 95% CI = [1.02-3.98], P value < 0.05), (COR = 2.00, 95% CI = [1.04-2.75], P value < 0.05), (COR = 2.36, 95% CI = [1.39-3.99], P value < 0.05), and (COR = 1.14, 95% CI = [0.66-1.97], P value < 0.05), respectively. Conclusions: Our study demonstrates that food insecurity is highly prevalent in the Gaza strip and is associated with poor living conditions. Therefore, this high prevalence should be seriously discussed and urgently considered.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».