Suburban and Rural Women: Internationally the most Vulnerable to Food Insecurity
Notice bibliographique
Résumé
People in rural (Ru) and impoverished suburban areas (Sb), as well as women, have higher rates of food insecurity (FI) when compared to other populations. This has been reported when applying different FI measurement tools in diverse settings. In this study FI was assessed using the Food Insecurity Experience Scale (FIES) as part of the 2014 Gallup World Poll (GWP). The objective was to determine differences in FI by gender and area of residence using the same measurement tool (FIES) as applied by GWP in individuals of 42 countries in diverse settings. Differential Item Functioning (DIF) was previously assessed using Rasch model. No significant DIF for any of the 8 items in FIES was detected between men and women (DIF 蠄 0.25 logit), or between individuals in four settings (Ru, Sb, small towns (St) and large cities (Lc)) (DIF 蠄 0.40 logit). Men living in Lc showed the lowest prevalence of FI when compared to men and women living in the other settings. Multivariate logistic regression analysis showed that women of Sb, Ru, St, and Lc had significantly higher odds ratios for FI (OR: 1.74, 1.70, 1.28, 1.14, respectively) when compared to men in Lc. Additionally, men in Sb, Ru and St, had also significantly higher ORs for FI (1.57, 1.47, 1.28, respectively) when compared to their male peers in Lc. This analysis was adjusted by country of residence, level of education, income, age, household size and marital status. The results highlight the importance of developing and carrying out interventions that incorporate the challenges faced by individuals belonging to diverse populations. Global gender disparities related to FI must be considered by policy makers and practitioners in order to more effectively address this phenomenon.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».