Prevalence and determinants of food insecurity among households headed by mothers who are female sex workers in three African Countries: Validation and application of food insecurity experience scale
Notice bibliographique
Résumé
Abstract Reduction in prevalence of food insecurity, a key factor in reaching the United Nations Sustainable Development Goal 2.2, was challenged by COVID-19 lockdowns in low- and middle-income countries, which impacted the affordability and accessibility of food. Prevalence and determinants of food insecurity among female sex workers who are mothers (FSWM) and heads of households (FSWM-HH) in the African region have not been previously assessed. This study validated the food insecurity experience scale (FIES) using data collected from 852 FSWM-HH living in the Democratic Republic of the Congo (DRC), Kenya, or Nigeria. Results were calibrated on the global metric to compare with the country-level prevalence of household severe food insecurity (HSFI). Associated individual and household determinants and their intersections were examined to identify vulnerable sub-groups. The FIES reliably assessed (fit index=0.75) household food insecurity among FSWM-HH using a 7-item scale, omitting the item of being worried about not having enough food to eat. The prevalence of HSFI was 59.6% in the DRC, 77.8% in Kenya, and 89.0% in Nigeria and compared to FAO 2016-2018 country levels, 1.5, 3.0, and 4.5 times higher, respectively, than previous estimates. Determinants of HSFI among FSWM-HH were similar to the African region, except FSWM-HH composition of children, but the magnitudes of odds were higher. Multiple logistic regression revealed important ecological relationships. FSWM-HH with 0-3 children living with them (AOR=1.63,95% CI:1.13-2.37, reference > 4 children) and mothers having no schooling or primary education (AOR=1.92,95% CI:1.33-2.78, reference with higher education) significantly determined HSFI. Prevalence of HSFI was highest among two subgroups of FSWM-HH: those > 30 years of age, without partners (93.7%, p=0.002) and those with low levels of education with 0-3 children living with them (85%, p=0.03). Food programs and welfare policies may be effective strategies to reduce HSFI among this high-risk group of mothers with children.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».