Modeling inequality in access to agricultural productive resources and socioeconomic determinants of household food security in Ghana: a cross-sectional study
Notice bibliographique
Résumé
Abstract Women in rural communities remain the most vulnerable population in accessing agricultural productive resources with dire implications for food security, malnutrition, and poverty. Effective agricultural and food-related policies should be based on a better understanding of the complex inter-relationship of how socioeconomic, demographic, gender, women empowerment, and geographical location indicators simultaneously affect access to agricultural productive resources and food security. The study quantified the level of inequality in access to agricultural productive resources and explored the mechanism through which socioeconomic status mediates the effect of geographic location on food security. This is a community-based cross-sectional study using a multi-stage stratified cluster random sampling design to generate a representative sample of the target population who live in coastal and non-coastal communities. The Gini inequality index, generalized structural equation models, multivariable modified Poisson and Negative binomial regression models were used. The inequality in access to agricultural productive resources was marginally higher among women than in men, higher in the coastal areas than in the non-coastal areas, and higher among women with low empowerment in agricultural production decision-making. The empowerment of women in agricultural decision-making was found to increase with age, as older women were more empowered to make decisions in agriculture. Approximately 17% [95% CI 15.6–18.6] of the population were food-secured (coastal = 13.9%, non-coastal communities = 20.7%). Socioeconomic status mediates the effect of living in coastal versus non-coastal rural communities on food security. To improve food security, the government should prioritize interventions geared toward improving women's access to productive agricultural resources. These interventions must consider gender-specific constraints, poverty alleviation schemes, legal framework, sociocultural factors, and decision-making power.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».