Prevalence of online food delivery platforms, meal kit delivery, and online grocery use in five countries: an analysis of survey data from the 2022 International Food Policy Study
Notice bibliographique
Résumé
BACKGROUND: Online food retail use is rapidly increasing in popularity, and offers user-friendly apps, and new food delivery models, including online food delivery platforms, online grocery retailers, and online meal kit delivery. We aimed to: (1) quantify the prevalence of online food retail platform use by adults across Australia, Canada, Mexico, the United Kingdom and the United States, and to (2) assess the associations between sociodemographic and behavioural factors and use of online food retail platforms. METHODS: A cross-sectional online survey was conducted with adults as part of the 2022 International Food Policy Survey (n = 19,877). We described the frequency of use and number of meals ordered using different online food retail and delivery platforms. Logistic regression models were fitted to assess associations between the use of online food retail and delivery platforms, and sociodemographic and behavioural factors (including age, sex, household composition, BMI, income adequacy, ethnicity, cooking skills, nutrition knowledge, and frequency of food preparation). RESULTS: Online ordering was more prevalent in Mexico (72%), and in the United States (62%) in comparison with Australia, Canada, or the United Kingdom (45-56%). Overall, across all countries, 58% of participants used online retail and delivery platforms, most commonly online orders from restaurants (36% of participants), online supermarkets (28%), online meal kits (14%), online only grocery stores (11%), and online convenience stores (11%). The odds of using online restaurants was significantly higher for men (OR: 1.23, 95% CI: 1.14-1.33) and participants aged 18-29 (compared to those 60 years or older) (OR: 6.10, 95% CI: 5.34-7.00). Participants aged 18-29 also had the highest odds of using online convenience stores (OR: 7.51, 95% CI: 5.71-9.88). Participants living with primary school aged children had higher odds of using online supermarkets compared to those without children (OR: 2.56, 95% CI: 2.22-2.94). CONCLUSIONS: A substantial proportion of people are buying food online. Efforts to improve population diets need to ensure that online food retail platforms support good health and nutrition.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».