Dietary Intake and the Neighbourhood Environment in the BC Generations Project
Notice bibliographique
Résumé
Poor diet is a major risk factor for many chronic diseases including cancer. Understanding broader contextual factors that influence dietary intake is important for making tangible progress towards improving diet at the population level. This study investigated neighbourhood social and built environment factors and fruit and vegetable intake among ~28,000 adults aged 35−69 years within the BC Generations Project. Daily fruit and vegetable intake was categorized according to guidelines (≥5 servings/day vs. <5 servings/day). Geospatial characteristics included walkability, greenness, marginalization, and material and social deprivation, reflecting access to goods and amenities and social relationships. Generalized, linear mixed-effect models adjusted for sociodemographic factors and lifestyle variables were used to estimate the odds ratios (ORs). Participants living in neighbourhoods with greater material deprivation (e.g., OR = 0.77; 95% CI: 0.70−0.86 for very high material deprivation) and very high social deprivation (OR = 0.90; 95% CI: 0.82−0.99) were less likely to meet recommendations for fruit and vegetable consumption relative to those living in areas with very low material deprivation and very low social deprivation, respectively. Relative to participants living in areas with very low greenness, participants living in neighbourhoods with high (OR = 1.10, 95% CI 1.01−1.20) to very high (OR = 1.11, 95% CI 1.01−1.21) greenness were more likely to meet recommendations for fruits and vegetables. These findings highlight the complexity of dietary intake which may be shaped by multiple neighbourhood characteristics.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».