Using the Socio-Spatial Framework to Understand the Link Between Disability and Severe Food Insecurity in Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Disability and food insecurity are critical global public health issues, particularly in Nigeria. Approximately 25 million people are currently at risk of food insecurity—a figure expected to rise to 33 million by 2025. Additionally, the Nigeria Demographic and Health Survey reveals that about seven percent of household members aged five and older have some form of disability. Despite these obvious social concerns, limited studies have examined the socio-spatial determinants of severe food insecurity in Nigeria. Using data from the 2021 World Bank’s Living Standards Measurement Study Harmonized Dataset, this cross-sectional study investigates the relationship between severe food insecurity, disability, and other socio-spatial variables at the local administrative level. Multivariate logistic regression and multiscale geographically weighted regression were used to analyze the data. Results show that the prevalence of severe food insecurity (12.1 percent) was higher among households with people with disability than households without. Logistic regression results indicated that households with people with disabilities had three times the odds of facing severe food insecurity than households without people with disabilities. Multiscale geographically weighted regression analysis found that disability spatially predicted severe food insecurity in 42 local government areas in the southwestern region of Nigeria, and the percentage of females at the local government significantly predicted food insecurity in eight local governments in north-central (Benue) and two north-eastern states. Findings offer valuable insights into the food insecurity issues among households with people with disabilities in Nigeria.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle