Perceived barriers and enablers for consuming a diverse diet in women residing in resource-poor communities in Cape Town, South Africa: a qualitative study
Notice bibliographique
Résumé
Background: Several studies have shown that South Africans consume a diet low in variety.Objective: To explore the barriers and enablers for consuming a diverse diet in resource-poor communities around Cape Town.Design: A qualitative study design was used. Data were collected from focus-group discussions (FGDs) conducted in Afrikaans, IsiXhosa, and English, using a semi-structured guide.Setting: Twelve community sites in Cape Town, South Africa.Subjects: Study participants were 24 Black and 21 Mixed-ancestry women (n = 45) with a mean age of 49.7 ± 7.8 years.Results: Fourteen FGDs were conducted with an average of three participants per FGD. Six themes were identified from the FGDs, which included nutrition knowledge, perceptions of dietary diversity and its impact on health, individual factors, and social, physical environment, and societal influences on food choices. Perceived barriers to consuming a diverse diet included financial constraints, high food prices, and family taste preferences. Perceived enablers identified were individual taste preferences, access to food stores, community food aid, and food-store specials. Proposed facilitators to achieving a diverse diet included budgeting, income-generation activities, lowering food prices, and increasing community food aid.Conclusions: The findings of this study suggest that financial constraints, high food prices, and social factors limit the ability of women from resource-poor communities to consume a diverse diet and make healthy food choices. Public health interventions aimed at promoting healthier food choices and reducing diet-related diseases should address financial barriers and the cost of food.
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 | 0,012 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».