Analyse de données sur les ventes lors d'une intervention axée sur un dépanneur santé de Toronto : le projet FRESH sur l'environnement de la vente d’aliments au détail comme déterminant de la santé
Notice bibliographique
Résumé
Introduction Les interventions en santé de la population dans le secteur de l’alimentation de détail, comme celles réalisées dans les dépanneurs, visent à transformer le type de signaux envoyés aux consommateurs afin qu'ils choisissent des aliments plus sains. Peu de recherches abordent les aspects financiers des interventions réalisées dans le milieu de la vente au détail, en particulier les mesures de résultat comme les ventes en magasin, pourtant au centre du processus décisionnel de la vente au détail. Cette étude examine l'évolution des ventes en magasin et les ventes par catégories de produits dans le cadre d’une intervention axée sur un dépanneur santé situé dans un quartier à faible revenu de Toronto (Ontario). Méthodologie Les données sur les ventes effectuées entre août 2014 et avril 2015 ont été regroupées par catégories de produits et par jour. Nous avons utilisé des tableaux croisés dynamiques Excel afin de résumer et de présenter visuellement les données sur ces ventes. Nous avons mené des tests t afin d’étudier les différences au niveau des ventes de chaque catégorie de produits en fonction des jours de vente « de pointe » (jours d’affluence) par rapport aux autres jours de vente. Résultats Les ventes globales du magasin culminaient les derniers jours de chaque mois, soit à la période à laquelle les prestations d’assistance sociale sont versées. La hausse des revenus lors des jours de pointe était principalement imputable aux ventes de laissez-passer de transports en commun. La moyenne des ventes de collations non nutritives et de cigarettes était légèrement plus élevée lors des jours de pointe par rapport aux autres jours. Les stratégies novatrices employées pour augmenter les ventes de fruits et légumes frais ont semblé accroître considérablement les revenus générés par ces catégories de produits. Conclusion Les données sur les ventes en magasin constituent un paramètre important de mesure du succès des interventions en environnement alimentaire. De plus, les prises de décision des détaillants fondé sur ces données peuvent se révéler déterminantes lors de l’adaptation des interventions. Les responsables des recherches et des interventions futures devraient envisager d’établir des partenariats et d’utiliser d'autres indicateurs de rendement lors des interventions ciblant l'environnement de la vente au détail d’aliments dans divers contextes canadiens.
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 | 0,012 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».