Systematic Review of Factors Influencing Farmers’ Market Use Overall and among Low-Income Populations
Notice bibliographique
Résumé
BACKGROUND: Recent evidence indicates a widening gap in fruit and vegetable (F/V) consumption between high- and low-income Americans. This gap is related, in part, to decreased access to food retailers that sell fresh F/V in low-income communities. Farmers' markets are identified as a strategy for improving F/V consumption by increasing access to these foods. OBJECTIVES: The aim of this systematic review was to examine literature published from 1994 to 2014 to identify facilitators and barriers of farmers' markets use, particularly among low-income consumers. DESIGN: Peer-reviewed literature was identified in Ebsco Host (Academic Search Complete). Inclusion criteria for abstract review was primary research focused on farmers' market use identifying 87 studies for full-text review. Full-text review identified articles focused on facilitators and/or barriers of farmers' market use resulting in 49 articles. At least two reviewers completed review of all articles. RESULTS: Of the 49 articles, 39% specified inclusion of low-income consumers and fewer than 15% focused on racial and ethnic minorities. Few studies were guided by theory and/or used standardized metrics. Results indicate farmers' market use is influenced by multiple economic, service delivery, spatial-temporal, social, and personal factors. Among studies that included low-income populations (n=19), key barriers to farmers' market use were perceptions that food assistance benefits were not accepted, belief that food variety at farmers' markets was limited, lack of access to transportation, lack of racial/ethnic diversity in the market space, and mismatch between markets and personal lifestyles. There is wide variation in study design and reporting standards and infrequent use of standardized measures limiting comparisons across studies. CONCLUSIONS: There is a need to establish valid and reliable metrics and reporting standards for evaluating farmers' markets. Findings may inform interventions, programs, and policies to promote farmers' market use.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».