Use of Online Food Delivery Services to Order Food Prepared Away-From-Home and Associated Sociodemographic Characteristics: A Cross-Sectional, Multi-Country Analysis
Notice bibliographique
Résumé
Online food delivery services like Just Eat and Grubhub facilitate online ordering and home delivery of food prepared away-from-home. It is poorly understood how these services are used and by whom. This study investigated the prevalence of online food delivery service use and sociodemographic characteristics of customers, in and across Australia, Canada, Mexico, the UK, and the USA. We analyzed online survey data (n = 19,378) from the International Food Policy Study, conducted in 2018. We identified respondents who reported any online food delivery service use in the past 7 days and calculated the frequency of use and number of meals ordered. We investigated whether odds of any online food delivery service use in the past 7 days differed by sociodemographic characteristics using adjusted logistic regression. Overall, 15% of respondents (n = 2929) reported online food delivery service use, with the greatest prevalence amongst respondents in Mexico (n = 839 (26%)). Online food delivery services had most frequently been used once and the median number of meals purchased through this mode of order was two. Odds of any online food delivery service use were lower per additional year of age (OR: 0.95; 95% CI: 0.94, 0.95) and greater for respondents who were male (OR: 1.50; 95% CI: 1.35, 1.66), that identified with an ethnic minority (OR: 1.57; 95% CI: 1.38, 1.78), were highly educated (OR: 1.66; 95% CI: 1.46, 1.90), or living with children (OR: 2.71; 95% CI: 2.44, 3.01). Further research is required to explore how online food delivery services may influence diet and health.
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 | 0,001 | 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 | 0,000 | 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 ».