MétaCan
Menu
Retour à la cohorte
Enregistrement W2783734045 · doi:10.1186/s12889-018-5061-1

Adoption and diffusion of zoning bylaws banning fast food drive-through services across Canadian municipalities

2018· article· en· W2783734045 sur OpenAlexafffundabout
Candace I. J. Nykiforuk, Elizabeth J. Campbell, Soultana Macridis, Daniel McKennitt, Kayla Atkey, Kim D. Raine

Notice bibliographique

RevueBMC Public Health · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensAlberta Health ServicesUniversity of Alberta
Organismes subventionnairesPartenariat Canadien Contre Le Cancer
Mots-clésEarly adopterZoningContext (archaeology)BusinessPromotion (chess)Public administrationMarketingPolitical scienceGeographyLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Healthy public policy is an important tool for creating environments that support human health and wellbeing. At the local level, municipal policies, such as zoning bylaws, provide an opportunity for governments to regulate building location and the type of services offered. Across North America, there has been a recent proliferation of municipal bylaws banning fast food drive-through services. Research on the utilization of this policy strategy, including bylaw adopters and adopter characteristics, is limited within the Canadian context. The aim of this study was to identify and characterize Canadian municipalities based on level of policy innovation and nature of their adopted bylaw banning fast food drive-through services. METHODS: A multiple case history methodology was utilized to identify and analyse eligible municipal bylaws, and included development of a chronological timeline and map of adopter municipalities within Canada. Grey literature and policy databases were searched for potential adopters of municipal fast food drive-through service bylaws. Adopters were confirmed through evidence of current municipal bylaws. Geographic diffusion and diffusion of innovations theories provided a contextual framework for analysis of bylaw documents. Analysis included assignment of adopter-types, extent and purpose of bans, and policy learning activities of each adopter municipality. RESULTS: From 2002 to 2016, 27 municipalities were identified as adopters: six innovators and twenty-one early adopters. Mapping revealed parallel geographic diffusion patterns in western and eastern Canada. Twenty-two municipalities adopted a partial ban and five adopted a full ban. Rationales for the drive-through bans included health promotion, environmental concerns from idling, community character and aesthetics, traffic concerns, and walkability. Policy learning, including research and consultation with other municipalities, was performed by nine early adopters. CONCLUSION: This study detailed the adoption of fast food drive-through bylaws across Canada. Understanding the adopter-type characteristics of municipalities and the nature of their bylaws can assist other jurisdictions in similar policy efforts. While the implications for research and practice are evolving and dynamic, fast food drive-through service bans may play a role in promoting healthier food environments. Further research is required to determine the viability of this strategy for health promotion and chronic disease prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,619

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,011
Études des sciences et des technologies0,0060,002
Communication savante0,0040,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,332
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207