Food Insecurity Among Black Households in the Mississippi Delta
Notice bibliographique
Résumé
Over 38 million Americans experienced food insecurity in 2020 and a disproportionate number of those people, over 21 percent, were Black Americans (USDA, 2021). While Black people across the country experienced food insecurity at disproportionately high rates, the Deep South’s prevalence of food insecurity continues to outpace much of the rest of America with three of the top five food insecure states (Mississippi, Louisiana, and Arkansas) comprising the Mississippi Delta (Henchy & Jacobs, 2020). There is a paradox at play in the Mississippi Delta region regarding its role as one of the top agricultural producers in the country but simultaneously home to some of the food insecure communities as well. Food insecurity is associated with a number of poor health outcomes including, but not limited to, decreased cognitive performance in children, increased anxiety, and depression in non-senior adults, as well as higher rates of diabetes, hypertension, and general increased rates of poor health (Gundersen, 2015). Black households in the Mississippi Delta experience a series of social determinants that contribute to the high prevalence of food insecurity in the region including poverty, racial residential segregation, social isolation, and lack of access to nutritious foods. Food Insecurity and its complexity of confounding factors leave researchers with a significant task to find leverage points at which community leaders, policy makers and other actors in the socioecological framework might reduce food insecurity in places with high food insecurity like the Mississippi Delta. This report recommends addressing food insecurity in the Delta through improving the local structure of information flows by offering education programs to boost enrollment in social welfare programs underutilized in the region.
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 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,251 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».