MétaCan
Menu
Retour à la cohorte
Enregistrement W1984278773 · doi:10.1155/2012/912645

Local Context Influence, Activity Space, and Foodscape Exposure in Two Canadian Metropolitan Settings: Is Daily Mobility Exposure Associated with Overweight?

2011· article· en· W1984278773 sur OpenAlexaffabout
Alexandre Lebel, Yan Kestens, Robert Pampalon, Marius Thériault, Mark Daniel, S. V. Subramanian

Notice bibliographique

RevueJournal of Obesity · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversité LavalInstitut National de Santé Publique du QuébecCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésOverweightSocioeconomic statusMetropolitan areaContext (archaeology)Environmental healthObesityMedicineGerontologyDemographyGeographyPopulationSociology

Résumé

récupéré en direct d'OpenAlex

It has become increasingly common to attribute part of the obesity epidemic to changes in the environment. Identification of a clear and obvious role for contextual risk factors has not yet been demonstrated. The objectives of this study were to explain differences in local overweight risk in two different urban settings and to explore sex-specific associations with estimated mobility patterns. Overweight was modeled within a multilevel framework using built environmental and socioeconomic contextual indicators and individual-level estimates of activity space exposure to fast-food restaurants (or exposure to visited places). Significant variations in local levels in overweight risk were observed. Physical and socioeconomic contexts explained more area-level differences in overweight among men than among women and among inhabitants of Montreal than among inhabitants of Quebec City. Estimated activity space exposure to fast-food outlets was significantly associated with overweight for men in Montreal. Local-level analyses are required to improve our understanding of contextual influences on obesity, including multiple influences in people's daily geographies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,256
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ObesityMême sujetUrban Transport and AccessibilityTravaux en français237 207