Home gardening for advancing nutritional security and income generation in response to the COVID-19 pandemic in Nigeria
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic exacerbated food insecurity in Nigeria, particularly among vulnerable households. Home gardening emerged as a potential strategy to improve access to nutritious foods and support incomes. This study examines the impact of home gardening on household nutritional security using cross-sectional survey data from Nigerian households. Methods Nutritional security is proxied by the Household Dietary Diversity Score (HDDS), a validated indicator that reflects the variety of food groups consumed over a reference period. To address sample selection bias—where households that engage in home gardening may systematically differ from non-participating households—the study applies a Heckpoisson regression model. This approach accounts for endogenous selection into home gardening and enables the consistent estimation of its impact on dietary diversity. The analysis also incorporates key household demographic and socio-economic variables, including marital status, household size, and age composition. Results The study shows that income derived from home gardening is significantly associated with higher dietary diversity, indicating that home gardening enhances access to nutrient-rich foods and supports improved nutritional outcomes. In addition, marital status, household size, and the presence of younger and older household members significantly influence dietary patterns, highlighting the role of socio-demographic factors. Conclusions The findings underscore the importance of promoting home gardening as a viable strategy to improve dietary diversity and strengthen household nutritional security, particularly during periods of economic and food supply shocks. Policymakers should consider incorporating home gardening initiatives into broader food security and livelihood programs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».