چگونه مسائل مربوط به سلامت روان بر احتمال امنیت غذایی تأثیر می گذارد؟ پاسخ تجربی به این سوال (حداقل) به دو دلیل اصلی دشوار است:
- درون زایی/عوامل مشاهده نشده. به عنوان مثال، ویژگی های شخصی، خانوادگی و محله (مانند ثبات خانواده، دسترسی به مراقبت های بهداشتی، قرار گرفتن در معرض خشونت) ممکن است بر سلامت روان و احتمال ناامنی غذایی تأثیر بگذارد. علاوه بر این، جهت علیت نامشخص است زیرا مسائل مربوط به سلامت روان ممکن است منجر به کاهش احتمال اشتغال و در نتیجه ناامنی غذایی شود. برعکس، ناامنی غذایی می تواند استرس را افزایش دهد و احتمال بیماری روانی را افزایش دهد.
- خطای اندازه گیری. بسیاری از مطالعات بیماری روانی به بررسی ها و معیارهای خود گزارش شده بیماری روانی تکیه می کنند. این ممکن است منجر به خطای قابل توجهی در اندازه گیری شود، به خصوص که انگ منجر به گزارش نادرست سلامت روان می شود.
چگونه می توانیم این مسائل دوگانه را به طور همزمان حل کنیم؟ این همان چیزی است که مقاله جانسن و همکارانش. (2023) برای حل تلاش می کند (همچنین به ارائه اینجا مراجعه کنید). یک راه حل واضح استفاده از متغیرهای ابزاری است، اما یافتن یک ابزار معتبر مشکل ساز است زیرا اکثر عوامل مرتبط با بیماری روانی نیز مستقیماً با ناامنی غذایی در ارتباط هستند. علاوه بر این، خطای اندازه‌گیری زمانی مشکل‌سازتر است که متغیر کلیدی قرار گرفتن در معرض (در این مورد وجود بیماری روانی) باینری باشد.
راه‌حلی که نویسندگان استفاده می‌کنند، استفاده از روش‌های شناسایی جزئی ناپارامتری است که در کریدر و هیل (2009) و کریدر و همکاران توسعه یافته‌اند. (2012). آنها این روش ها را بر روی داده های نظرسنجی ملی بهداشت مصاحبه (NHIS) اعمال می کنند. آنها بر روی بیمارانی تمرکز می کنند که طبق مقیاس کسلر (K-6) “پریشانی روانی غیراختصاصی (NPD)” را خود گزارش می دهند.
در مدل استاندارد رگرسیون OLS (به زیر مراجعه کنید)، ممکن است درون زایی وجود داشته باشد زیرا «درمان» (بیماری روانی) ممکن است با عبارت خطا مرتبط باشد. علاوه بر این، وضعیت سلامت روان (D) با عدم قطعیت اندازه‌گیری می‌شود. به عنوان مثال، اجازه دهید د* اگر فرد واقعاً در پریشانی روانی باشد برابر 1 و در غیر این صورت 0 است. با این حال، محققان فقط مشاهده می کنند D، که پریشانی خود گزارش شده است.
راه کلیدی محققان برای حل این موضوع با استفاده از روش شناسایی جزئی است. هدف برآورد میانگین اثر درمانی زیر (ATE) است:
در این معادله، Y(D* = 1) اگر بزرگسالان در مضیقه بودند، پیامد امنیت غذایی بالقوه را نشان می دهد. Y(D* = 0) اگر بزرگسالان در مضیقه نباشند، پیامد امنیت غذایی را نشان می دهد.
تخمین این معادله مشکل ساز است. برای اینکه بفهمیم چرا، اجازه دهید این مقادیر را تجزیه کنیم. این را فرض کنیم P(Y=1|D*=1)=P(Y(1)=1|D*=1)*P(D*=1). اگر احتمال واقعی پریشانی روانی-P(D*=1)– شناخته شده بودند، این مقدار قابل تخمین بود. با این حال، اصطلاح پ[Y(1)=1|D*=0]، زیرا یک خلاف واقع را تخمین می زند که در داده ها مشاهده نشده است (یعنی سطح امنیت غذایی که افراد بدون بیماری روانی در صورت داشتن بیماری روانی از آن برخوردار بودند).
مسئله دوم این است که ما عملاً مشاهده نمی کنیم د*، بنابراین عبارت اول قابل تخمین نیست. نویسندگان این اصطلاح را به چیزی قابل تخمین تقسیم می کنند [i.e., P(Y=1,D=1)] و شرایط خطای اندازه گیری از آنجایی که اغلب در اطراف بیماری روانی سیگما وجود دارد، بیماری روانی احتمالاً به جای بیش از حد تشخیص داده نمی شود. نویسندگان ادعا می کنند که یک بار می توان فرض کرد که هیچ مثبت کاذبی وجود ندارد θ1+=θ0+=0. نویسندگان همچنین فرض می‌کنند که نسبت بیماری‌های روانی غیراختصاصی واقعی به مشاهده‌شده، به نسبت آنهایی است که برای همه انواع بیماری‌های روانی گزارش شده‌اند. آنها از داده های گزارش شده از SAMHSA برای این کار استفاده می کنند.
همچنین 3 نوع فرض مختلف را تحمیل می کند:
- انتخاب درمان یکنواخت (MTS). این بدان معنی است که افرادی که واقعاً بیماری روانی دارند (ضعیف) نسبت به افرادی که واقعاً بیماری روانی ندارند، کمتر از امنیت غذایی برخوردار هستند.
- متغیر ابزاری یکنواخت (MIV). در اینجا آنها فرض می‌کنند که افرادی که در مناطقی با فروشگاه‌های مواد غذایی کمتر زندگی می‌کنند (ضعیف) احتمال امنیت غذایی کمتری دارند.
- پاسخ درمانی یکنواخت (MTR). پریشانی روانی به طور متوسط امنیت غذایی را بهبود نمی بخشد.
نویسنده با استفاده از این رویکردها متوجه می شود که:
با اعمال مفروضات یکنواختی نسبتاً ضعیف بر روی پیامدهای امنیت غذایی نهفته، متوجه می‌شویم که کاهش SMI نرخ امنیت غذایی را حداقل 9.5 درصد یا 15 درصد بهبود می‌بخشد.
می توانید مقاله کامل را در اینجا بخوانید و یک اسلاید خلاصه مفید (که من به طور گسترده از آن قرض گرفته ام) در اینجا وجود دارد.