Examining food purchasing patterns from sales data at a full-service grocery store intervention in a former food desert
Notice bibliographique
Résumé
BACKGROUND: The Good Food Junction Grocery Store was opened in a former food desert in the inner city of Saskatoon, Canada. OBJECTIVE: The purpose of this research was to examine, using grocery store sales data, healthy and less healthful food purchasing over a one-year period beginning eight months after opening by shoppers' neighborhood of residence. DESIGN: A multilevel cross sectional design was used. The sample consisted of members of the Good Food Junction with a valid address in Saskatoon, Saskatchewan. All purchases made by members who reported their postal code of residence from May 15, 2013 to April 30, 2014 were analyzed. The outcome variable was the total amount spent on foods in 11 food groups. Linear random intercept models with three levels were fit to the data. RESULTS: Shoppers who were residents of former food desert neighborhoods spent $0.7 (95% CI: 0.2 to 1.2) more on vegetables, and $1.2 (95% CI: - 1.8 to - 0.6) less on meat, and $1.1 (95% CI: - 2.0 to - 0.3) less on prepared foods than shoppers who did not reside in those neighborhoods. CONCLUSIONS: When given geographical access to healthy food, people living in disadvantaged former food desert neighborhoods will take advantage of that access.
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 | 0,000 | 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) | 0,001 | 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 ».