Farmers' Market Use Patterns Among Supplemental Nutrition Assistance Program Recipients With High Access to Farmers' Markets
Notice bibliographique
Résumé
OBJECTIVE: Evaluate farmers' market (FM) use patterns among Supplemental Nutrition Assistance Program (SNAP) recipients. DESIGN: Cross-sectional survey administered June to August, 2015. SETTING: Cleveland and East Cleveland, OH. PARTICIPANTS: A total of 304 SNAP recipients with children. Participants lived within 1 mile of 1 of 17 FMs. Most were African American (82.6%) and female (88.1%), and had received SNAP for ≥5 years (65.8%). MAIN OUTCOME MEASURES: Patterns of FM shopping, awareness of FM near home and of healthy food incentive program, use of SNAP to buy fruits and vegetables and to buy other foods at FMs, receipt of healthy food incentive program. ANALYSIS: Two-stage cluster analysis to identify segments with similar FM use patterns. Bivariate statistics including chi-square and ANOVA to evaluate main outcomes, with significance at P ≤ .05. RESULTS: A total of 42% reported FM use in the past year. Current FM shoppers (n = 129) were segmented into 4 clusters: single market, public market, multiple market, and high frequency. Clusters differed significantly in awareness of FM near home and the incentive program, use of SNAP to buy fruit and vegetables at FMs, and receipt of incentive. CONCLUSIONS AND IMPLICATIONS: Findings highlight distinct types of FM use and had implications for tailoring outreach to maximize first time and repeat use of FMs among SNAP recipients.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».