MétaCan
Menu
Retour à la cohorte
Enregistrement W2018645442 · doi:10.1017/s1368980009005369

Disparities in fruit and vegetable supply: a potential health concern in the greater Québec City area

2009· article· en· W2018645442 sur OpenAlexaffabout
Nathalie Pouliot, Anne-Marie Hamelin

Notice bibliographique

RevuePublic Health Nutrition · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)GeographyDistribution (mathematics)SocioeconomicsEnvironmental healthFood supplyRural areaBusinessAgricultural scienceMedicineSociologyEnvironmental scienceMathematics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The present study explores the spatial distribution and in-store availability of fresh fruits and vegetables from a socio-environmental perspective in terms of the type of food store, level of deprivation and the setting (urban/rural) where the food outlets are located. DESIGN: Seven types of fresh fruit and vegetable stores (FVS) were identified then visited in six districts (urban setting) and seven communities (rural setting). The quantity and diversity of fresh fruits and vegetables (F&V) were also assessed. SETTING: Québec City, Canada. RESULTS: The FVS spatial distribution showed differences between the two settings, with accessibility to supermarkets being more limited in rural settings. The quantity and diversity of fresh F&V in-store availability were associated with the type of FVS, but not with setting or its level of deprivation. Greengrocers and supermarkets offered a greater quantity and diversity of fresh F&V than the other FVS. CONCLUSIONS: The results suggest that inequalities in physical access to fresh F&V across the region could have an impact on public health planning considering that supermarkets, which are one of the excellent sources of F&V, are less prevalent in rural settings.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,017
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,051
Tête enseignante GPT0,306
Écart entre enseignants0,255 · 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

Citations24
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetObesity, Physical Activity, DietTravaux en français237 207