MétaCan
Menu
Retour à la cohorte
Enregistrement W4390908422 · doi:10.1186/s12937-023-00895-0

Improving economic access to healthy diets in first nations communities in high-income, colonised countries: a systematic scoping review

2024· article· en· W4390908422 sur OpenAlexaboutno aff
Amanda Lee, Lisa‐Maree Herron, Stephan Rainow, Lisa Wells, Ingrid Kenny, Leon Kenny, Imogen Wells, Margaret Kavanagh, Suzanne Bryce, Liza Balmer

Notice bibliographique

RevueNutrition Journal · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of QueenslandAustralian Government
Mots-clésPsychological interventionMedicineSubsidyVoucherGovernment (linguistics)Environmental healthPromotion (chess)Inclusion (mineral)Economic growthBusinessPolitical scienceEconomicsNursingAccountingPolitics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Affordability of healthy food is a key determinant of the diet-related health of First Nations Peoples. This systematic scoping review was commissioned by the Ngaanyatjarra Pitjantjatjara Yankunytjatjara Women's Council (NPYWC) in Central Australia to identify interventions to improve economic access to healthy food in First Nations communities in selected high-income, colonised countries. METHODS: Eight databases and 22 websites were searched to identify studies of interventions and policies to improve economic access to healthy food in First Nations communities in Australia, Canada, the United States or New Zealand from 1996 to May 2022. Data from full text of articles meeting inclusion criteria were extracted to a spreadsheet. Results were collated by descriptive synthesis. Findings were examined with members of the NPYWC Anangu research team at a co-design workshop. RESULTS: Thirty-five publications met criteria for inclusion, mostly set in Australia (37%) or the US (31%). Interventions (n = 21) were broadly categorised as price discounts on healthy food sold in communities (n = 7); direct subsidies to retail stores, suppliers and producers (n = 2); free healthy food and/or food vouchers provided to community members (n = 7); increased financial support to community members (n = 1); and other government strategies (n = 4). Promising initiatives were: providing a box of food and vouchers for fresh produce; prescriptions for fresh produce; provision/promotion of subsidised healthy meals and snacks in community stores; direct funds transfer for food for children; offering discounted healthy foods from a mobile van; and programs increasing access to traditional foods. Providing subsidies directly to retail stores, suppliers and producers was least effective. Identified enablers of effective programs included community co-design and empowerment; optimal promotion of the program; and targeting a wide range of healthy foods, particularly traditional foods where possible. Common barriers in the least successful programs included inadequate study duration; inadequate subsidies; lack of supporting resources and infrastructure for cooking, food preparation and storage; and imposition of the program on communities. CONCLUSIONS: The review identified 21 initiatives aimed at increasing affordability of healthy foods in First Nations communities, of which six were deemed promising. Five reflected the voices and experiences of members of the NPYWC Anangu research team and will be considered by communities for trial in Central Australia. Findings also highlight potential approaches to improve economic access to healthy foods in First Nations communities in other high-income colonised countries. TRIAL REGISTRATION: PROSPERO CRD42022328326.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,059
Tête enseignante GPT0,421
Écart entre enseignants0,362 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrition JournalMême sujetIndigenous Studies and EcologyTravaux en français237 207