The Association Between Food Security and Diet Quality Among First Nations Living On-Reserve in Canada
Bibliographic record
Abstract
Problématique: La prévalence de l’insécurité alimentaire chez les Premières Nations est plus élevée que chez les Canadiens en général, un fardeau qui s’ajoute aux prévalences inquiétantes de maladies chroniques liées à l’alimentation. Cependant, peu d’information existe sur la relation entre l’IA et la qualité de la diète pour les PN vivant sur réserve. Objectif: Étudier la corrélation entre l’insécurité alimentaire et la qualité de l’alimentation chez les PN adultes vivant sur-réserve dans 5 régions au Canada (sud du 60ème parallèle). Méthodes: Des données de rappels alimentaires de 24 heures, issues d’une étude transversale intitulée « Étude sur l’alimentation, la nutrition et l’environnement des Premières Nations », ont été analysées à l’aide de 2 indices de qualité de la diète : une adaptation canadienne du « Healthy Eating Index » (HEI) et NOVA, une classification qui se base sur la nature et le degré de la transformation alimentaire. Des analyses de régression ont exploré les facteurs sociodémographiques reliés à l’IA et à la qualité de la diète. Les scores du HEI, ainsi que la contribution énergétique des groupes NOVA ont été comparés par niveau d’IA. Résultats: La prévalence d’IA était élevée (35,7%), surtout chez les ménages avec des enfants (40,4%), les ménages sans emploi (45,4%), et ceux qui reçoivent l’assistance sociale (55,5%). Le sexe, le groupe d’âge et l’éducation étaient aussi corrélés à l’IA. Le score moyen du HEI était faible (49,0 ± 12,65) et était associé avec le sexe, l’âge, la région, le recours à l’assistance sociale, la consommation d’aliments traditionnels (AT), la participation aux activités d’AT, l’éducation, et l’IA. Les scores totaux du HEI étaient significativement plus élevés pour ceux en sécurité alimentaire (49,7) que ceux en IA (48,1), mais ils ne l’étaient plus après ajustement pour des facteurs sociodémographiques. Cependant, l’IA est demeurée significativement associée à des apports plus élevés en ingrédients culinaires transformés (sucres, huiles végétales), à des apports plus faibles en fruits et légumes et en plats cuisinés à la maison. Conclusion: Une relation significative, quoique faible, entre l’IA et la qualité de la diète a été observée. Les résultats ont révélé un besoin d’explorer les questions de revenu, d’assistance sociale et d’accès aux AT pour améliorer l’environnement alimentaire des PN.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".