MétaCan
Menu
← Retour à la cohorte
Enregistrement W4378218328 · doi:10.1186/s12889-023-15756-y

Prevalence and sociodemographic correlates of food insecurity among post-secondary students and non-students of similar age in Canada

2023· article· en· W4378218328 sur OpenAlexafffundabout
Yichun Wang, Andrée-Anne Fafard St-Germain, Valerie Tarasuk

Notice bibliographique

RevueBMC Public Health · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensCanada Research ChairsPublic Health OntarioUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of Toronto
Mots-clésBiostatisticsMedicineFood insecurityOddsLogistic regressionEnvironmental healthFood securityYoung adultDemographyPopulationOdds ratioSocioeconomic statusVulnerability (computing)Public healthGerontologyGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The results of several recent campus-based studies indicate that over half of post-secondary students in Canada are food insecure, but the vulnerability of this group has not been considered in research on predictors of food insecurity in the Canadian population. Our objectives were to (1) compare the prevalence of food insecurity among post-secondary students and non-students of similar age; (2) examine the relationship between student status and food insecurity among young adults while accounting for sociodemographic characteristics; and (3) identify the sociodemographic characteristics associated with food insecurity among post-secondary students. METHODS: Using data from the 2018 Canadian Income Survey, we identified 11,679 young adults aged 19-30 and classified them into full-time postsecondary students, part-time post-secondary students, and non-students. Food insecurity over the past 12 months was assessed with the 10-item Adult Scale from the Household Food Security Survey Module. Multivariable logistic regression analyses were used to estimate the odds of food insecurity by student status while accounting for sociodemographic characteristics, and to identify sociodemographic characteristics predictive of food insecurity among post-secondary students. RESULTS: The prevalence of food insecurity was 15.0% among full-time postsecondary students, 16.2% among part-time students, and 19.2% among non-students. After adjusting for sociodemographic factors, full-time postsecondary students had 39% lower odds of being food insecure as compared to non-students (aOR 0.61, 95% CI 0.50-0.76). Among postsecondary students, those with children (aOR 1.93, 95%CI 1.10-3.40), those living in rented accommodation (aOR 1.60, 95%CI 1.08-2.37), and those in families reliant on social assistance (aOR 4.32, 95%CI 1.60-11.69) had higher adjusted odds of food insecurity, but having at least a Bachelor's degree appeared protective (aOR: 0.63, 95% CI 0.41-0.95). Every $5000 increase in adjusted after-tax family income was also associated with lower adjusted odds of food insecurity (aOR 0.88, 95%CI 0.84-0.92) among post-secondary students. CONCLUSIONS: In this large, population-representative sample, we found that young adults who did not attend post-secondary school were more vulnerable to food insecurity, particularly severe food insecurity, than full-time post-secondary students in Canada. Our results highlight the need for research to identify effective policy interventions to reduce food insecurity among young, working-age adults in general.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,110
Tête enseignante GPT0,410
Écart entre enseignants0,300 · 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'étudeObservationnel
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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→