Identification of the Appropriate Boundary Size to Use When Measuring the Food Retail Environment Surrounding Schools
Notice bibliographique
Résumé
This study included 6,971 students in grades 9 and 10 (ages 13 to 16 years) from 158 schools who participated in the 2009/2010 Health Behaviour in School-aged Children Study. Students provided information on where they typically ate lunch. The number of food retailers was obtained for six road network buffer sizes (500, 750, 1,000, 1,500, 2,000, and 5,000 meters) surrounding schools. Associations between the presence of food retailers near schools and students' lunchtime eating behaviours were examined using multilevel logistic regression. Comparisons of model fit statistics indicated that the 1,000 m buffer provided the best fit. At this distance, students with ≥3 food retailers near their schools had a 3.42 times greater relative odds (95% CI: 2.12-5.52) of eating their lunchtime meal at a food retailer compared to students with no nearby food retailers. Students who had ≥2 food retailers within 750 m of their schools had a 2.74 times greater relative odds (95% CI: 1.75-4.29), while those who had ≥1 food retailer within 500 m of their schools had 2.27 times greater relative odds of eating at food retailer (95% CI: 1.46-3.52) compared to those with no nearby food retailers. For distances greater than 1,000 m, no consistent relationships were found.
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 | 0,007 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».