Characterizing Retail Food Environments in Peri-Urban Pakistan during the COVID-19 Pandemic
Notice bibliographique
Résumé
(1) Background: To date, there are limited data in low- and middle-income countries (LMICs) that collect, monitor, and evaluate food environments in standardized ways. The development of a pilot survey tool, tailored to LMICs and focused on retail food environments, is necessary for improving public health nutrition. (2) Methods: A novel survey tool was developed and piloted in a sample of village retail food environments (n = 224) in Matiari, Pakistan between October 2020 to April 2021. Villages were randomly selected, and food outlets were surveyed within a 500-m radius from each village center. Descriptive statistics (counts and percentages) were used to describe the characteristics of food outlets and the availability of food. To test whether there was a difference in characteristics or in the mean of number of healthy, unhealthy, and total food items available by village size, a χ2 test or one-way ANOVA was conducted, respectively. (3) Results: In total, 1484 food outlets were surveyed for food accessibility, availability, and promotion across small (n = 54), medium (n = 112), and large villages (n = 58). In small and medium-sized villages, mobile food vendors were the predominant food outlet type (47.8% and 45.1%, respectively), whereas in large villages, corner stores (36%) were more prominent. The mean number of total food items (p < 0.006) and unhealthy food items (p < 0.001) available in food outlets differed by village size. The proportion of food outlets with available fruits, meat and poultry, water, and sugar-sweetened beverages also differed by village size (p < 0.001). (4) Conclusions: This study informs the global evidence gap in the current understanding of food environments in various ethnically diverse and dynamic LMICs, and the developed methodology will be useful to other LMICs for measuring and monitoring the food environment, especially among vulnerable population groups. This work complements current national and provincial survey efforts in Pakistan.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».