Does neighborhood fast-food outlet exposure amplify inequalities in diet and obesity? A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Greater exposures to fast-food outlets and lower levels of education are independently associated with less healthy diets and obesity. Little is known about the interplay between these environmental and individual factors. OBJECTIVE: The purpose of this study was to test whether observed differences in fast-food consumption and obesity by fast-food outlet exposure are moderated by educational attainment. DESIGN: In a population-based cohort of 5958 adults aged 29-62 y in Cambridgeshire, United Kingdom, we used educational attainment-stratified regression models to estimate the food-frequency questionnaire-derived consumption of energy-dense "fast foods" (g/d) typically sold in fast-food restaurants and measured body mass index (BMI; in kg/m(2)) across geographic information system-derived home and work fast-food exposure quartiles. We used logistic regression to estimate the odds of obesity (BMI ≥30) and calculated relative excess risk due to interaction (RERI) on an additive scale. Participant data were collected during 2005-2013 and analyzed in 2015. RESULTS: Greater fast-food consumption, BMI, and odds of obesity were associated with greater fast-food outlet exposure and a lower educational level. Fast-food consumption and BMI were significantly different across education groups at all levels of fast-food outlet exposure (P < 0.05). High fast-food outlet exposure amplified differences in fast-food consumption across levels of education. The relation between fast-food outlet exposure and obesity was only significant among those who were least educated (OR: 2.05; 95% CI: 1.08, 3.87; RERI = 0.88), which suggested a positive additive interaction between education and fast-food outlet exposure. CONCLUSION: These findings suggest that efforts to improve diets and health through neighborhood-level fast-food outlet regulation might be effective across socioeconomic groups and may serve to reduce observed socioeconomic inequalities in diet and obesity.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».