Characterizing First Nations’ Traditional Food Environments Across Canadian Ecozones: A Latent Class Analysis
Notice bibliographique
Résumé
Traditional foods remain crucial to First Nations’ health and wellbeing and contribute to cultural identity, diet quality, and nutrition-related disease incidence. Many policies in Canada intentionally impacted the intergenerational transmission of First Nations’ culture, profoundly affecting their traditional food environments. Therefore, understanding contemporary traditional food environments - collective physical, social, economic, cultural and political factors shaping dietary choices and nutritional status within a community - is essential for improving nutrition and population health. We aimed to identify and describe First Nations’ traditional food environments and their associations with individual participants’ demographics and health characteristics. Traditional food environments were characterized using data from the First Nations Food, Nutrition, and Environment Study (FNFNES) (N=6487, 92 communities across Canada). Traditional food items (k=226) from the FNFNES Food Frequency Questionnaire were grouped into nine categories based on an Indigenous conceptual framework. Exploratory Latent Class Analysis (LCA) was conducted with six traditional food categories, using model fit statistics to determine the optimal number of classes (e.g., AIC, BIC, LMR, BLRT), which was then used in a Latent Class Analysis model with all nine Traditional Food categories. Exploratory Latent Class Analysis determined that five classes (patterns) were optimal for the full Latent Class Analysis using model fit statistics. Lastly, the patterns were characterized using means and proportions of sociodemographic and health variables (e.g., anthropometry, physical activity and food security status), with ANOVA and chi-squared tests to assess significant differences. The five patterns describing First Nations’ traditional food environments and their % population distributions within the study sample were “robust traditional food environment” (14.27%), “four sisters traditional food environment” (6.21%), “rich traditional protein environment” (26.74%), “fish, animals and fruits traditional food environment” (35.30%) and “limited access to traditional food environment” (17.46%). This research is the first to wholistically describe First Nations’ traditional food environments based on individual consumption patterns in Canada. It is also the first to use an Indigenous conceptual framework to categorize Traditional Foods. This research can inform future interventions to enhance food sovereignty efforts and promote greater traditional food access and consumption, aligning with First Nations' preferences
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».