The Influence of Local Food Environments on Adolescents’ Food Purchasing Behaviors
Notice bibliographique
Résumé
This study examined the relationship between the neighborhood food environment and the food purchasing behaviors among adolescents. Grade 7 and 8 students (n = 810) at 21 elementary schools in London, Ontario, Canada completed a questionnaire assessing their food purchasing behaviors. Parents of participants also completed a brief questionnaire providing residential address and demographic information. A Geographic Information System (GIS) was used to assess students' home and school neighborhood food environment and land use characteristics. Logistic regression analysis was conducted to assess the influence of the home neighborhood food environment on students' food purchasing behaviors, while two-level Hierarchical Non-Linear Regression Models were used to examine the effects of school neighborhood food environment factors on students' food purchasing behaviors. The study showed that approximately 65% of participants reported self-purchasing foods from fast-food outlets or convenience stores. Close proximity (i.e., less than 1 km) to the nearest fast-food outlet or convenience store in the home neighborhood increased the likelihood of food purchasing from these food establishments at least once per week by adolescents (p < 0.05). High fast-food outlet density in both home and school neighborhoods was associated with increased fast-food purchasing by adolescents (i.e., at least once per week; p < 0.05). In conclusion, macro-level regulations and policies are required to amend the health-detracting neighborhood food environment surrounding children and youth's home and school.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».