Characterizing Saskatoon’s Food Environment: A Neighbourhood-level Analysis of In-store Fruit and Vegetable Access
Notice bibliographique
Résumé
This paper evaluates the relationship between in-store food offerings and neighbourhood level socio-economic and demographic characteristics in Saskatoon, Saskatchewan, as well as to assess differences in fruit and vegetable access among grocery stores in neighbourhoods of varying socioeconomic status.This study compares measures of the food environment using data based on structured observations, self-reported data and measured data. A census of 116 food stores were measured in Saskatoon’s residential neighbourhoods (n=60), of which 24 were grocery stores. Neighbourhoods were assigned to categories of high, mid and low socioeconomic status (SES) based on the Material and Social Deprivation Index. Proportion of Aboriginal ancestry by neighbourhood was also incorporated into the analysis. High SES neighbourhoods had a higher proportion of grocery stores, of all store types, than mid or low SESneighbourhoods, while low SES neighbourhoods had a much higher proportion of convenience stores compared to mid and high SES neighbourhoods. Overall in-store grocery measures did not vary signifi cantly across neighbourhood-level SES, but did vary by proportion of Aboriginal ancestry. Price and availability of fruits and vegetables varied in low SES neighbourhoods and those with a higher proportion of Aboriginal ancestry. Th is study uncovers a disproportionately high distribution of convenience stores in lower SES neighbourhoods, suggesting that food swamps are prevalent in Saskatoon and confi rms previous research findings of inequities experienced by Aboriginal people in the city. Further research, including more qualitatively-driven data, is necessary to elucidate the complexities of Saskatoon’s food environment.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».