Food and Water Insecurity in Panamanian Households: A Cross-Sectional Analysis
Notice bibliographique
Résumé
Food and water security are essential components for Panama’s advancement toward the Sustainable Development Goals. This study aimed to quantify the prevalence of household food insecurity and water insecurity, and to explore the association between them using standardized measurement tools. A cross-sectional survey was conducted between January and June 2024 using an online questionnaire administered via Google Forms. The survey collected sociodemographic data and applied the Food Insecurity Experience Scale (FIES) and the Household Water Insecurity Experiences (HWISE) scale to assess water and food insecurity, respectively. A total of 222 adult household heads were included (66.2% female), with a median age of 31.4 years. The prevalence of moderate and severe food insecurity was 29.7% (95% CI: 24.8–34.6%) and 6.1% severe food insecurity (95% CI: 3.7–8.4%), while water insecurity affected 27% of households (10.4% high; 16.7% moderate). Multiple linear regression showed that moderate to severe food insecurity was significantly associated with water insecurity (β = 0.19; 95% CI: 0.08–0.31) and lower income levels. Specifically, food insecurity was associated with households reporting no income (β = 0.25; 95% CI: 0.05–0.44) and those with monthly income between 501 and 1000 USD (β = 0.11; 95% CI: 0.01–0.22), compared to households with income above 1000 USD. The results suggest that food insecurity is significantly associated with water insecurity, supporting the need for integrated approaches in public policy to address basic resource access in vulnerable populations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».