Environmental Justice and the Food Environment in Prince George’s County, Maryland: Assessment of Three Communities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lack of access to a health-promoting food environment can lead to poor health outcomes including obesity which is a problem for African-Americans in Prince George’s County, Maryland. Previous research examined the quality of the food environment at the regional level but did not consider local level indicators. In this study, we utilized an environmental justice framework to examine the local food environment in the County. We collected data from 127 food outlets, (convenience stores, grocery stores, and supermarkets), in three racially and socioeconomically diverse communities – Bladensburg (predominantly African American/ Black, with the lowest median household income); Greenbelt (similar percentage of non-white persons as Hyattsville, with the highest median household income); and Hyattsville (dominated by a Hispanic population). We examined the availability, quality, and accessibility of food within each community, using a modified version of the Johns Hopkins Center for a Livable Future (CLF) healthy food availability index (HFAI).We also used ArcMap 10.6 to examine the spatial distribution of stores in relation to sociodemographic factors and generate descriptive statistics to examine HFAI score differences across the communities, sociodemographic composition, and store types at the block group level. Mean HFAI scores were 7.76, 10.75, and 9.60 for Bladensburg, Greenbelt, and Hyattsville, respectively suggesting a relative disparity in access to diverse healthy and good quality food sources for these communities although these differences were not statistically significant (p=0.79). Statistically significant differences between the communities were found with respect to ethnic stores, stores that sold fresh vegetables (p=0.047), and stores that sold fresh fruits (p=0.012). Getis-Ord Gi Hot Spot Analysis revealed one statistically significant cold spot at 95% confidence, and two others at 90% confidence in Hyattsville, indicating a cluster of low-scoring stores. The results indicate a potential need for expanded food infrastructure in these communities to improve public health. We also identified the need for culturally appropriate foods and proposed ethnic stores as potential salutogens to improve the food environment in culturally diverse neighborhoods.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle