Exploring Obesogenic Food Environments in Edmonton, Canada: The Association between Socioeconomic Factors and Fast-Food Outlet Access
Notice bibliographique
Résumé
PURPOSE: To explore the relationship between the placement of fast-food outlets and neighborhood-level socioeconomic variables by determining if indicators of lower socioeconomic status were predictive of exposure to fast food. DESIGN: A descriptive analysis of the fast-food environment in a Canadian urban center, using secondary analysis of census data and Geographic Information Systems technology. SETTING: Edmonton, Alberta, Canada. MEASURES: Neighborhoods were classified as High, Medium, or Low Access based on the number of fast-food opportunities available to them. Neighborhood-level socioeconomic data (income, education, employment, immigration status, and housing tenure) from the 2001 Statistics Canada federal census were obtained. ANALYSIS: A discriminant function analysis was used to determine if any association existed between neighborhood demographic characteristics and accessibility of fast-food outlets. RESULTS: Significant differences were found between the three levels of fast-food accessibility across the socioeconomic variables, with successively greater percentages of unemployment, low income, and renters in neighborhoods with increasingly greater access to fast-food restaurants. A high score on several of these variables was predictive of greater access to fast-food restaurants. CONCLUSION: Although a causal inference is not possible, these results suggest that the distribution of fast-food outlets relative to neighborhood-level socioeconomic status requires further attention in the process of explaining the increased rates of obesity observed in relatively deprived populations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 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) | 0,002 | 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 ».