Characterizing Trends in the Use of Food Donations and Other Food-Related Community-Based Social Assistance Programs in a Cohort of New Food Bank Users in Quebec, Canada
Notice bibliographique
Résumé
Objective:To characterize 12-month trends in the use of food donations and other food-related community-based social assistance programs (CB-SAPs) during the first year following the enrollment of new food bank (FB) users in Quebec, Canada. Methods:A cohort of 1,001 newly registered FB-users in Quebec from the Pathways Study were followed-up during 12-month following baseline assessment. Outcomes were monthly use of food donations and other food-related CB-SAPs. Main predictors were alternative food source utilization (AFSU) profiles: 1) exclusive-FB-users; 2) FB+fruit/vegetable-market-users; and 3) Multiple/diverse-AFS-users. Covariates included sociodemographic characteristics, health status, and major life events. We fit Bayesian hierarchical mixed-effect models, accounting for spatial clustering, temporal correlation, and censoring. Results:We observed an overall downward trend of food donation use among study completers (n= 745). Each AFSU profile had a distinctive monthly trend of food donation use, but probabilities of use across the three profiles overlapped, between 44% and 55%. The use of other food-related CB-SAPs was low and not correlated with AFSU profiles. Conclusion:De novoFB-users use food donations in different ways over time according to specific contextual AFSU profiles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».