Association between Food Insecurity and Vision Impairment among Older Adults: A Pooled Analysis of Data from Six Low- and Middle-Income Countries
Notice bibliographique
Résumé
OBJECTIVES: Food insecurity has gained attention as a potential risk factor for vision impairment. However, research on this topic is limited. This objective of this study was to investigate the relationship between food insecurity and visual impairment among adults aged 50 years or older using data from six low-and middle-income countries (LMIC). DESIGN AND SETTING: Data from the longitudinal Study on global AGEing and adult health (SAGE) were analyzed in a community-based, cross-sectional, and nationally representative sample. PARTICIPANTS: Adults aged 50 years or older from six low- and middle-income countries (LMICs) including China, India, Mexico, Russia, South Africa, and Ghana. MEASUREMENTS: Food insecurity was evaluated using a questionnaire comprised of two questions that addressed the frequency of eating inadequately and hunger due to a lack of food in last 12 months. Distance and/or near vision impairment was considered as a visual acuity score of less than 6/18 in the eye with better vision. RESULTS: The analytical sample consisted of 29,804 adults (mean (SD) for age: 63.2 (9.54) years; 54.3% female). The prevalence of food insecurity, near vision and distance vision impairment in the sample was 16.4%, 36.7%, and 13.9%, respectively. Adjusted pooled analyses across countries revealed a significant association between food insecurity and distance (OR: 1.16; 95% CI: 1.01, 1.33; P=0.04, significant individually in India and South Africa) and near (OR: 1.12; 95% CI: 1.02, 1.22; P=0.01, significant individually in South Africa) vision impairment, and a between-country heterogeneity of 46.30% and 25.99%, respectively. CONCLUSION: Food insecurity was associated with both distance and near vision impairment in adults aged 50 years or older across six LMIC. Food policies and intervention programs targeted at decreasing food insecurity in vulnerable households are essential.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».