MétaCan
Menu
Retour à la cohorte
Enregistrement W4225273962 · doi:10.1016/j.healthplace.2022.102809

Mapping food and physical activity environments in low- and middle-income countries: A systematised review

2022· review· en· W4225273962 sur OpenAlexfundno aff
Trish Muzenda, Philip Mbulalina Dambisya, Monika Kamkuemah, Blessings Gausi, Jane Battersby, Tolu Oni

Notice bibliographique

RevueHealth & Place · 2022
Typereview
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesDeutscher Akademischer AustauschdienstNational Research FoundationNational Institute for Health and Care ResearchInternational Development Research Centre
Mots-clésLow and middle income countriesGeographyUrbanizationGlobal Positioning SystemResource (disambiguation)Physical activityData collectionComputer scienceDeveloping countryEconomic growthMedicineSociology

Résumé

récupéré en direct d'OpenAlex

This systematised literature review synthesised evidence on approaches to mapping food and physical activity (PA) environments in low- and middle-income countries (LMICs). Of the 60 articles included, 25 and 35 mapped food and PA environments respectively. All studies were cross-sectional with researcher-led data collection. Three types of mapping tools were identified - maps (n = 18), GPS (n = 10), and GIS (n = 37). Our findings point to a paucity of research mapping food and PA environments, overall and particularly subjective domains. We highlight a need for future studies that utilise innovative, inexpensive and participatory research methods to understand dynamic exposures to obesogenic environment features in resource-constrained contexts undergoing rapid urbanisation.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,077
Tête enseignante GPT0,368
Écart entre enseignants0,292 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth & PlaceMême sujetUrban Transport and AccessibilityTravaux en français237 207