SOCIODEMOGRAPHIC VARIATIONS IN EXPOSURE TO FAST FOOD RESTAURANTS AND ITS ASSOCIATION WITH FAST FOOD CONSUMPTION AMONG YOUTH
Notice bibliographique
Résumé
Introduction Canadians eat at fast food restaurants more regularly than in the past. Fast foods are higher in energy, saturated fats, and sodium than most other foods, and the portion sizes are often very large. Thus, excessive fast food consumption contributes to an unhealthy diet and a host of adverse health effects. Individuals with a low socioeconomic status (SES) and ethnic minorities are at increased risk for excessive fast food consumption. Another determinant of fast food consumption is the density of fast food restaurants in the environment. There is a greater density of fast food restaurants in poorer neighbourhoods and neighbourhoods with larger ethnic minority populations. Disparities may also exist in the extent to which fast food restaurants are associated with fast food consumption. However, this relationship has not been examined in young Canadians. Objectives To examine the associations between fast food restaurant density in the home neighbourhood and fast food consumption within youth, and to determine whether this association is modified by SES and ethnicity. Methods Data are from the 2009/2010 Canadian Health Behaviour in School-Aged Children survey, which is a nationally representative sample of 26,078 grade 6–10 students. Frequency of fast food consumption, SES, ethnicity, home postal code, and several confounders were assessed by self-report. Density of chain fast food restaurants within 1 km of each participant's home postal code was determined using computerized geographic information systems (GIS). A multilevel logistic regression model will be used to determine the relationship between neighbourhood fast food restaurant density and excessive fast food consumption (>2 times/week). Regression models will test for SES and ethnicity interactions and will control for several confounding variables. Results and conclusion To be presented at conference (work in progress).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».