What counts? Adding nuance to retail food environment measurement tools in a Canadian context
Notice bibliographique
Résumé
Abstract Objective: Limitations of traditional geospatial measures, like the modified Retail Food Environment Index (mRFEI), are well documented. In response, we aimed to: (1) extend existing food environment measures by inductively developing subcategories to increase the granularity of healthy v. less healthy food retailers; (2) establish replicable coding processes and procedures; and (3) demonstrate how a food retailer codebook and database can be used in healthy public policy advocacy. Design: We expanded the mRFEI measure such that ‘healthy’ food retailers included grocery stores, supermarkets, hypermarkets, wholesalers, bulk food stores, produce outlets, butchers, delis, fish and seafood shops, juice/smoothie bars, and fresh and healthy quick-service retailers; and ‘less healthy’ food retailers included fast-food restaurants, convenience stores, coffee shops, dollar stores, pharmacies, bubble tea restaurants, candy stores, frozen dessert restaurants, bakeries, and food trucks. Based on 2021 government food premise licences, we used geographic information systems software to evaluate spatial accessibility of healthy and less healthy food retailers across census tracts and in proximity to schools, calculating differences between the traditional v. expanded mRFEI. Setting: Calgary and Edmonton, Canada. Participants: N/A. Results: Of the 10 828 food retailers geocoded, 26 % were included using traditional mRFEI measures, while 53 % were included using our expanded categorisation. Changes in mean mRFEI across census tracts were minimal, but the healthfulness of food environments surrounding schools significantly decreased. Conclusions: Overall, we show how our mRFEI adaptation, and transparent reporting on its use, can promote more nuanced and comprehensive food environment assessments to better support local research, policy and practice innovations.
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 | 0,011 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,019 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,000 | 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 ».