The Impact of Providing Material Benefits to Improve Access to Food on Clinical Parameters, Dietary Intake, and Household Food Insecurity in People with Diabetes: A Systematic Review with Narrative Synthesis
Notice bibliographique
Résumé
The high cost of healthy foods makes maintaining a healthy dietary pattern challenging, particularly among people with diabetes who are experiencing food insecurity. The objectives of this study were to: 1) review evidence on the impact of providing material benefits (e.g., food coupons/vouchers, free food, or financial subsidies/incentives) to improve access to food on clinical parameters, dietary intake, and household food insecurity in people with diabetes, and 2) review relevant economic evidence. Six databases were searched from inception to March 2023 for longitudinal studies with quantitative outcomes. Twenty-one studies were included in the primary review and 2 in the economic analysis. Risk of bias was high in 20 studies and moderate in 1 study. The number of randomized controlled trials and nonrandomized studies reporting statistically significant improvement, alongside Grading of Recommendations Assessment, Development, and Evaluation (GRADE) certainty of the evidence was: HbA1c: 1/6 and 4/12 (very low), systolic blood pressure: 0/3 and 1/8 (very low), diastolic blood pressure: 0/3 and 1/7 (very low), BMI: 0/5 and 2/8 (very low), body weight: 0/0 and 1/3 (very low), hypoglycemia: 1/2 and 1/2 (very low), daily intake of fruits and vegetables: 1/1 and 1/3 (very low), daily intake of whole grains: 0/0 and 0/2 (very low), overall diet quality: 2/2 and 1/1 (low), and household food insecurity: 2/3 and 0/0 (very low). The 2 studies included in the economic analysis showed no difference in Medicare spending from Supplemental Nutrition Assistance Program participation and cost-savings from medically tailored meals in an economic simulation. Overall, providing material benefits to improve access to food for people with diabetes may improve household food insecurity, fruit and vegetable intake, and overall diet quality, but effects on clinical parameters and whole grain intake are unclear. The certainty of evidence was very low to low by GRADE. PROSPERO (CRD42021212951).
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».