Changes in the number and outcome of takeaway food outlet planning applications in response to adoption of management zones around schools in England: A time series analysis
Notice bibliographique
Résumé
Physical exposure to takeaway food outlets ("takeaways") is associated with poor diet and excess weight, which are leading causes of excess morbidity and mortality. At the end of 2017, 35 local authorities (LAs) in England had adopted takeaway management zones (or "exclusion zones"), which is an urban planning intervention designed to reduce physical exposure to takeaways around schools. In this nationwide, natural experimental study, we used interrupted time series analyses to estimate the impact of this intervention on changes in the total number of takeaway planning applications received by LAs and the percentage rejected, at both first decision and after any appeal, within management zones, per quarter of calendar year. Changes in these proximal process measures would precede downstream retail and health impacts. We observed an overall decrease in the number of applications received by intervention LAs at 12 months post-intervention (6.3 fewer, 95% CI -0.1, -12.5), and an increase in the percentage of applications that were rejected at first (additional 18.8%, 95% CI 3.7, 33.9) and final (additional 19.6%, 95% CI 4.7, 34.6) decision, the latter taking into account any appeal outcomes. This effect size for the number of planning applications was maintained at 24 months, although it was not statistically significant. We also identified three distinct sub-types of management zone regulations (full, town centre exempt, and time management zones). The changes observed in rejections were most prominent for full management zones (where the regulations are applied irrespective of overlap with town centres), where the percentage of applications rejected was increased by an additional 46.1% at 24 months. Our findings suggest that takeaway management zone policies may have the potential to curb the proliferation of new takeaways near schools and subsequently impact on population health.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».