Food is medicine programs for pregnant women in the United States: a systematic review
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
BACKGROUND: Approximately 12.5% of households with children in the United States are food insecure. As national priorities evolve to address food insecurity, food is medicine (FIM) programs may be a part of the solution. However, there is a gap in evidence on the maternal and birth outcomes of FIM programs. PURPOSE: The goal of this systematic review was to understand the overall public health impacts of FIM programs for pregnant populations. METHODS: This systematic review was conducted in accordance with PRISMA guidelines. A search strategy was used to locate peer-reviewed literature through EBSCOhost and PubMed, and grey literature (e.g. websites, reports, booklets, and presentations) through a custom Google search in October 2022 and again in October 2024. Sources were independently screened by two researchers. Data were extracted independently by two researchers according to the Reach, Effectiveness, Adoption, Implementation, and Maintenance (RE-AIM) framework. RESULTS: Nine peer-reviewed and 20 grey literature programs met inclusion criteria. Limited data made it difficult to determine FIM program reach (demographics) or maintenance. Effectiveness outcomes included fruit and vegetable intake, food security, and birth outcomes. Programs were adopted by healthcare providers across all regions of the United States. The core provisions and components implemented included fruits and vegetables or ready-to-eat meals, which were provided through vouchers, coupons, or prepackaged boxes. CONCLUSIONS: This review offers a timely summary of FIM programs for pregnant women. Future research should focus on consistent reporting of measures and metrics. Additionally, longer-term studies are needed to build evidence for program sustainability.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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