MétaCan
Menu
Retour à la cohorte
Enregistrement W4409373933 · doi:10.1093/heapro/daaf015

Considerations for diverse, equitable, and inclusive school food programs in the USA and Canada

2025· article· en· W4409373933 sur OpenAlexafffundabout
Preetama Badyal, Tina Moffat

Notice bibliographique

RevueHealth Promotion International · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensMcMaster UniversityWestern University
Organismes subventionnairesEmployment and Social Development CanadaGovernment of CanadaMcMaster UniversityU.S. Department of Agriculture
Mots-clésGrey literatureEquity (law)Stigma (botany)Sociocultural evolutionHealth equityMedical educationPublic relationsPsychologyPolitical scienceMedicineMEDLINENursingPublic health

Résumé

récupéré en direct d'OpenAlex

School food programs have been shown to support the nutrition of children and their long-term health outcomes in tandem with reducing nutritional inequities experienced by low-income, food insecure, and racialized populations. Understanding the specific needs and outcomes of these equity-deserving groups is crucial when enhancing program implementation and participation in school food programs. A scoping review of equitable, diverse, and inclusive considerations for school food programs was conducted on Canadian and American peer-reviewed and grey literature. The search strategy identified 18 peer-reviewed publications and three grey literature reports that supported the creation of five themes to be explored for school food programs: universal access, food preparation and delivery, sociocultural food preferences, partner involvement, and equitable nutrition. Analysis revealed that while literature surrounding these themes is developing, they serve as a crucial starting point for further research and consideration of the enhancement of school food programs. These themes can support the delivery of a program that is accessible to all students, accommodates their individualized needs, and is free of stigma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,473

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0070,003
Communication savante0,0070,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,248
Tête enseignante GPT0,479
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations5
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Promotion InternationalMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207