An Intervention To Enhance the Food Environment in Public Recreation and Sport Settings: A Natural Experiment in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: Publicly funded recreation and sports facilities provide children with access to affordable physical activities, although they often have unhealthy food environments that may increase child obesity risk. This study evaluated the impact of a capacity-building intervention (Healthy Food and Beverage Sales; HFBS) on organizational capacity for providing healthy food environments, health of vending machine products, and food policy development in recreation and sport facilities in British Columbia, Canada. METHODS: Twenty-one HFBS communities received training, resources, and technical support to improve their food environment over 8 months in 2009-2010, whereas 23 comparison communities did not. Communities self-reported organizational capacity, food policies, and audited vending machine products at baseline and follow-up. Repeated-measures analysis of variance evaluated intervention impact. RESULTS: Intervention and comparison communities reported higher organizational capacity at follow-up; however, improvements were greater in HFBS communities (p<0.001). Healthy vending products increased from 11% to 15% (p<0.05), whereas unhealthy products declined from 56% to 46% (p<0.05) in HFBS communities, with no changes in comparison communities. At baseline 10% of HFBS communities reported having a healthy food policy, whereas 48% reported one at follow-up. No comparison communities had food policies. CONCLUSIONS: This is the first large, controlled study to examine the impact of an intervention to improve recreation and sport facility food environments. HFBS communities increased their self-rated capacity to provide healthy foods, healthy vending product offerings, and food policies to a greater extent than comparison communities. Recreation and sport settings are a priority setting for supporting healthy dietary behaviors among children.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| 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 ».