The importance of food retail stores in identifying food deserts in urban settings
Notice bibliographique
Résumé
While food deserts in urban places have been fairly well studied in North America and Europe, there is little consensus on the best conceptual and operational definition for food deserts. In most of these studies researchers concentrate on mainstream grocery stores and supermarkets as the only sources of healthy and affordable food options especially in cities with diverse ethnic population. The purpose of this study is to expand this usual approach to food desert studies by investigating the inclusion of ethnic food stores and specialty stores as sources of healthy food options in a multi-ethinic Toronto neighbourhood. The Englemount-Lawrence neighbourhood was selected for this study as it has been identified as a food desert in previous studies in Toronto. An in-store survey was conducted in order to identify ethnic and specialty stores which supply healthy and affordable food options based on US Department of Agriculture dietary guidelines. Using Geographic Information System (GIS) analysis, all qualified ethnic food stores in the study area were geocoded into a neighbourhood map and a buffer of 1000m was drawn around each. We found out that ethnic food stores supplying healthy and culturally-accepted food options are evenly dispersed across the Englemount-Lawrence neighbourhood. We conclude that, unlike in previous studies, this neighbourhood is not a food desert. Furthermore, failure to use an inclusive set of healthy food stores and culturally acceptable food choices, in neighbourhood studies of food deserts can significantly alter the results in the study area and hence mislead food planners and policymakers in decision-making.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».