Food insecurity among African Americans in the United States: A scoping review
Notice bibliographique
Résumé
In 2019, the estimated prevalence of food insecurity for Black non-Hispanic households was higher than the national average due to health disparities exacerbated by forms of racial discrimination. During the COVID-19 pandemic, Black households have experienced higher rates of food insecurity when compared to other populations in the United States. The primary objectives of this review were to identify which risk factors have been investigated for an association with food insecurity, describe how food insecurity is measured across studies that have evaluated this outcome among African Americans, and determine which dimensions of food security (food accessibility, availability, and utilization) are captured by risk factors studied by authors. Food insecurity related studies were identified through a search of Google Scholar, PubMed, CINAHL Plus, MEDLINE®, PsycINFO, Health Source: Nursing/Academic Edition, and Web of Science™ (Clarivate), on May 20, 2021. Eligible studies were primary research studies, with a concurrent comparison group, published in English between 1995 and 2021. Ninety-eight relevant studies were included for data charting with 37 unique measurement tools, 115 risk factors, and 93 possible consequences of food insecurity identified. Few studies examined factors linked to racial discrimination, behaviour, or risk factors that mapped to the food availability dimension of food security. Infrequently studied factors, such as lifetime racial discrimination, socioeconomic status (SES), and income insecurity need further investigation while frequently studied factors such as age, education, race/ethnicity, and gender need to be summarized using a systematic review approach so that risk factor impact can be better assessed. Risk factors linked to racial discrimination and food insecurity need to be better understood in order to minimize health disparities among African American adults during the COVID-19 pandemic and beyond.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,019 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».