MétaCan
Menu
Retour à la cohorte
Enregistrement W4312197947 · doi:10.1007/s44212-022-00021-1

A systematic review of the modifiable areal unit problem (MAUP) in community food environmental research

2022· review· en· W4312197947 sur OpenAlexaff
Xiang Chen, Xinyue Ye, Michael J. Widener, Eric Delmelle, Mei‐Po Kwan, Jerry Shannon, Elizabeth F. Racine, Aaron J. Adams, Lü Liang, Peng Jia

Notice bibliographique

RevueUrban Informatics · 2022
Typereview
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Toronto
Organismes subventionnairesWuhan UniversityChinese University of Hong KongNational Natural Science Foundation of China
Mots-clésGeospatial analysisGeographySocioeconomic statusUnit (ring theory)Consistency (knowledge bases)Environmental healthCartographyComputer sciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Geospatial models can facilitate the delineation of food access patterns, which is particularly relevant for urban planning and health policymaking. Because community food environmental studies use different analysis units or study scales, the rigor and consistency of their evaluations cannot be ensured. This issue is known as the modifiable areal unit problem (MAUP). The paper provides a systematic review of past literature on place-based community food environmental research using different analysis units or geospatial models as they pertain to the MAUP. We identify these key findings: (1) the ZIP code zone is not recommended as an appropriate analysis unit for modeling community food access, as it did not have significant correlations with health indicators; (2) using a circular buffer of less than 0.5 km around household locations is most likely to reveal health correlations, compared with network buffers or container-based measures; (3) to reveal health effects of the community food environment, it is recommended to focus in selected regions or partitions of a study area with similar socioeconomic statuses, such as the central city or low socioeconomic status areas; (4) for studies utilizing a single statistical unit or distance measure, it is suggested to discuss the existence of the MAUP, such as evaluating the sensitivity of the model to the change of the unit or the distance measure. By highlighting the MAUP, this paper has policy implications—given that geospatial modeling of food accessibility provides support for health policy intervention, using different metrics may lead to different interpretations of health disparities and could thus misinform policy decisions. Therefore, any assessment of community food environments that may potentially lead to a policy change should consider the effects of the MAUP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,061
score de la tête « metaresearch » (Gemma)0,245
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,324

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,245
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,010
Bibliométrie0,0210,022
Études des sciences et des technologies0,0010,003
Communication savante0,0060,006
Science ouverte0,0040,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,146
Tête enseignante GPT0,379
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations42
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban InformaticsMême sujetUrban Transport and AccessibilityTravaux en français237 207