Identifying Food Swamps Based on Area-Level Socioeconomic Patterning of Retail Food Environments in Winnipeg, Canada
Notice bibliographique
Résumé
A gap in Canadian food environment research concerning Winnipeg’s food swamps is addressed using geographical assessment of socio-demographic factors. Food swamp locations were identified using (1) a composite index of socioeconomic deprivation, (2) restaurant accessibility (Euclidean distance to nearest restaurant), and (3) restaurant clustering across 5740 Dissemination Blocks (DBs) in Winnipeg. Restaurants included fast food (FFR), sit-down (SDR) and coffee shop establishments combined (ALL). DBs with high deprivation levels, close restaurant access, and signi0 cant clustering of restaurants were identi0 ed as food swamps. Significant differences in restaurant access were observed between low and high socioeconomic deprivation levels, where the most socioeconomically deprived populations in Winnipeg had easier access to highly clustered restaurants. A total 3.74 km2 of Winnipeg was designated as food swamps (ALL), impacting 10,053 (1.6%) people. We conclude that a breadth of policies is required to address food security in Winnipeg, as ~65% of the food swamps coincide with food deserts or food mirages observed by Wiebe et al. (2016).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».