MétaCan
Menu
Retour à la cohorte
Enregistrement W4382182568 · doi:10.1017/s1368980023001234

Food insecurity during the COVID-19 pandemic who use drugs in Vancouver, Canada

2023· article· en· W4382182568 sur OpenAlexafffundabout
Tyson Singh Kelsall, Kora DeBeck, Cameron Grant, Pamina M. Gorbach, M‐J Milloy, Kanna Hayashi

Notice bibliographique

RevuePublic Health Nutrition · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of British ColumbiaBritish Columbia Centre on Substance UseSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthMichael Smith Health Research BCNational Institute on Drug AbuseSt. Paul's FoundationProvidence Health CareUniversity of British Columbia
Mots-clésPsychological interventionPandemicFood insecurityEnvironmental healthMedicineFood securityCoronavirus disease 2019 (COVID-19)Logistic regressionDemographyGeographyDiseasePsychiatryAgricultureInfectious disease (medical specialty)Sociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine prevalence and factors associated with food insecurity among people who use drugs (PWUD) during the first year of the COVID-19 pandemic and the overdose crisis. DESIGN: This cross-sectional study employs multivariable logistic regression to identify factors associated with self-reported food insecurity. PARTICIPANTS: PWUD who are part of three community-recruited cohorts. SETTING: Interviews conducted in Vancouver, Canada, via phone between July and November 2020 in adherence to COVID-19 safety procedures. RESULTS: Among 765 participants, including 433 (56·6 %) men, eligible for this study, 146 (19·1 %; 95 % CI: 16·3 %, 21·9 %) reported food insecurity in the past month. Of the participants reporting food insecurity, 114 (78·1 %) reported that their hunger levels had increased since the beginning of the pandemic. In multivariable analyses, factors independently and positively associated with food insecurity included: difficulty accessing health or social services (adjusted OR (AOR) = 2·59; 95 % CI: 1·60, 4·17); having mobility difficulties (AOR = 1·59; 95 % CI: 1·02, 2·45) and engaging in street-based income generation (e.g. panhandling and informal recycling) (AOR = 2·31; 95 % CI: 1·45, 3·65). CONCLUSION: Approximately one in five PWUD reported food insecurity during this time. PWUD with mobility issues, who experienced difficulty accessing services and/or those engaged in precarious street-based income generation were more likely to report food insecurity. Food security is paramount to the success of interventions to prevent COVID-19 and drug toxicity deaths. These findings suggest a need for a more unified state response to food insecurity that prioritises and incorporates accessibility and autonomy of the communities they serve.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,014
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
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 Opus0,267
Tête enseignante GPT0,432
Écart entre enseignants0,166 · 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

Citations7
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207