Exploring Pathways of Socioeconomic Inequity in Vegetable Expenditure Among Consumers Participating in a Grocery Loyalty Program in Quebec, Canada, 2015–2017
Notice bibliographique
Résumé
Vegetable consumption remains consistently low despite supportive policy and investments across the world. Vegetables are available in great variety, ranging in their processing level, availability, cost, and arguably, nutritional value. A retrospective longitudinal study was conducted in Quebec, Canada to explore pathways of socioeconomic inequity in vegetable expenditure. Data was obtained for consumers who participated in a grocery loyalty program from 2015 to 2017 and linked to the 2016 Canadian census. Vegetable expenditure share (%) was examined as a fraction of the overall food basket and segmented by processing level. Panel random effects and tobit models were used overall and to estimate the stratified analysis by median income split. Consumers allocated 8.35% of their total food expenditure to vegetables, which was mostly allocated to non-processed fresh (6.88%). Vegetable expenditure share was the highest in early winter and lowest in late summer. In the stratified analysis, the low-income group exhibited less seasonal variation, allocated less to fresh vegetables, and spent more on canned and frozen compared to the high-income group. Measures of socioeconomic status were all significant drivers of overall vegetable consumption. Consumers with high post-secondary education in the low-income group spent 2% more on vegetables than those with low education. The complexity of observed expenditure patterns points to a need for more specific vegetable consumption guidelines that include provisions by processing level. Implications for education, marketing, intersectional policies, and the role of government are discussed. Governments can scale present efforts and catalyze health-promoting investments across local, state, national, and global food systems.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».