MétaCan
Menu
Retour à la cohorte
Enregistrement W3025369740 · doi:10.1186/s12966-020-00967-y

Association between time-weighted activity space-based exposures to fast food outlets and fast food consumption among young adults in urban Canada

2020· article· en· W3025369740 sur OpenAlexafffundabout
Bochu Liu, Michael J. Widener, Thomas Burgoine, David Hammond

Notice bibliographique

RevueInternational Journal of Behavioral Nutrition and Physical Activity · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of WaterlooUniversity of Toronto
Organismes subventionnairesEconomic and Social Research CouncilCanada Research ChairsWellcomeCanadian Institutes of Health ResearchCentre for Diet and Activity ResearchUniversity of WaterlooNational Institute for Health and Care ResearchPublic Health Agency of CanadaCancer Research UKBritish Heart FoundationWellcome TrustMedical Research Council
Mots-clésConsumption (sociology)Context (archaeology)Environmental healthFood consumptionObservational studyDemographyCross-sectional studyClinical nutritionMedicineGeographyStatisticsMathematicsAgricultural economicsEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite increased attention on retail food environments and fast food consumption, results from previous studies have been inconsistent. Variation in measurement of exposure to retail food environments and the context of the built environment are possible reasons for inconsistencies. The purpose of the current study is to examine the association between exposure to fast food environment and fast food consumption among young adults, and to explore possible associations between built environment and fast food consumption. METHODS: We employed an observational, cross-sectional study design. Cross-sectional surveys were conducted in 2016 and 2017. In a sample of 591 young adults aged 16-30 years in five Canadian cities, we constructed and computed individual-level time-weighted number and ratio of fast food outlets in activity spaces derived from GPS trajectory data. Negative binomial regression models estimated the associations between exposure measures and frequency of fast food consumption (number of times consuming fast food meals in a seven-day period), controlling for built environment characterization and individual-level characteristics. RESULTS: Significant positive associations were found between time-weighted number of fast food outlets and count of fast food meals consumed per week in models using a radius of 500 m (IRR = 1.078, 95% CI: 0.999, 1.163), 1 km (IRR = 1.135, 95% CI: 1.024, 1.259), or 1.5 km (IRR = 1.138, 95% CI: 1.004, 1.289) around GPS tracks, when generating activity spaces. However, time-weighted ratio of fast food outlets was only significantly associated with count of fast food meals consumed when a radius of 500 m is used (IRR = 1.478, 95% CI: 1.032, 2.123). The time-weighted Active Living Environment Index with Transit measure was significantly negatively related to count of fast food meals consumed across all models. CONCLUSIONS: Our study demonstrated associations of time-weighted activity space-based exposure to fast food outlets and fast food consumption frequency in a sample of young adults in urban Canada, and provides evidence of the association between context of built environment and fast food consumption, furthering discussion on the utility of individual-level, activity space-based data and methods in food environment research. These results imply that both food retail composition and activity spaces in urban areas are important factors to consider when studying diets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,131
Score d'incertitude au seuil0,965

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,294
Écart entre enseignants0,268 · 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 tête enseignante, 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

Citations48
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral Nutrition and Physical ActivityMême sujetUrban Transport and AccessibilityTravaux en français237 207