Food environment trajectories: a sequence analysis from the CARTaGENE cohort
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to create a typology of longitudinal exposure to food environment based on socio-economic context. DESIGN: Food environment trajectories were modelled using a sequence analysis method, followed by a logistic regression to describe those trajectories. SETTING: The study took place in Quebec, Canada, using food environment data from 2009, 2011 and 2018 merged with participants' demographic and socio-economic characteristics. PARTICIPANT: At recruitment, 38 627 participants between the ages of 40 and 69 years from six urban areas in Quebec were included in the CARTaGENE cohort study. The cohort was representative of the Quebec urban population within this age range. RESULTS: Our study revealed five trajectories of food access over time: (1) limited access to food stores throughout the study period, (2) limited access improving, (3) good access diminishing, (4) good access throughout the period and (5) low access throughout the period. Logistic regression analysis showed that participants who were unable to work (OR = 1·42, CI = 1·08-1·86), lived in households with five or more persons (OR = 1·69, CI = 1·17-2·42) and those living in low-income households (OR = 1·32, CI = 1·03-1·71) had higher odds of experiencing a disadvantaged food environment trajectory. Additionally, the level of education and age of participants were associated with the odds of experiencing a disadvantaged food environment trajectory. CONCLUSIONS: The study demonstrates that people facing socio-economic disadvantage are more likely to experience a disadvantaged food environment trajectory over time.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 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 ».