Use of online food delivery services among adults in five countries from the International Food Policy Study 2018–2021
Notice bibliographique
Résumé
Aim: Online food delivery services (OFDS) are popular for purchasing meals prepared outside home, increasing access to energy-dense and nutrient-poor foods. This adversely impacts dietary choices and health outcomes. Our study examined trends in OFDS use in Australia, Canada, Mexico, the United Kingdom (UK), and the United States (US) from 2018 to 2021. Methods: Repeated annual cross-sectional data was sourced from the International Food Policy Study for five countries among adults over 18 years (N = 83,337). Weighted estimates for trends in i) the proportion of the respondent's purchasing meals per week using OFDS, and ii) average number (and standard deviation (SD)) of meals purchased per week using OFDS were assessed. Logistic regression models were fitted. Findings: OFDS use increased among adults between 2018-2021 (Australia: 17 % of respondents purchased at least one meal in the last 7 days using OFDS in 2018 to 25 % in 2021, Canada: 12 % to 19 %, Mexico: 28 % to 38 %, UK: 19 % to 28 %, and US: 17 % to 21 %). Average number of meals purchased per week outside home remained consistent for all countries over time (e.g., in Australia, 2.70 (SD 0.06) meals in 2018 and 2.63 (SD 0.06) in 2021). However, average number of meals purchased using OFDS nearly doubled between 2018 and 2021 (e.g., in Australia, 0.45 (SD 0.03) meals in 2018 to 0.81 (SD 0.04) in 2021). Conclusion: OFDS use is increasing and are substituting the conventional forms of purchasing meals outside home. Nutritional quality of foods sold, marketing practices and purchasing patterns on OFDS deserve further attention.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».