Food environment research in Canada: a rapid review of methodologies and measures deployed between 2010 and 2021
Notice bibliographique
Résumé
Numerous research methodologies have been used to examine food environments. Existing reviews synthesizing food environment measures have examined a limited number of domains or settings and none have specifically targeted Canada. This rapid review aimed to 1) map research methodologies and measures that have been used to assess food environments; 2) examine what food environment dimensions and equity related-factors have been assessed; and 3) identify research gaps and priorities to guide future research. A systematic search of primary articles evaluating the Canadian food environment in a real-world setting was conducted. Publications in English or French published in peer-reviewed journals between January 1 2010 and June 17 2021 and indexed in Web of Science, CAB Abstracts and Ovid MEDLINE were considered. The search strategy adapted an internationally-adopted food environment monitoring framework covering 7 domains (Food Marketing; Labelling; Prices; Provision; Composition; Retail; and Trade and Investment). The final sample included 220 articles. Overall, Trade and Investment (1%, n = 2), Labelling (7%, n = 15) and, to a lesser extent, Prices (14%, n = 30) were the least studied domains in Canada. Among Provision articles, healthcare (2%, n = 1) settings were underrepresented compared to school (67%, n = 28) and recreation and sport (24%, n = 10) settings, as was the food service industry (14%, n = 6) compared to grocery stores (86%, n = 36) in the Composition domain. The study identified a vast selection of measures employed in Canada overall and within single domains. Equity-related factors were only examined in half of articles (n = 108), mostly related to Retail (n = 81). A number of gaps remain that prevent a holistic and systems-level analysis of food environments in Canada. As Canada continues to implement policies to improve the quality of food environments in order to improve dietary patterns, targeted research to address identified gaps and harmonize methods across studies will help evaluate policy impact 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 | 0,049 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,068 | 0,099 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».