Assessing the Validity of <scp>OpenStreetMap</scp> for Food Environment Research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT This study assessed agreement between food environment measures derived from OpenStreetMap (OSM) data, a commercial dataset, and an administrative dataset (the Canadian Food Environment Dataset, Can‐FED) to better understand the suitability of OSM food‐related data for food environment research. We calculated Spearman's correlations between continuous retail food environment measures in Can‐FED and those derived from OSM and DMTI Spatial. Additionally, using Can‐FED as the reference, we assessed the accuracy of categorical food environment variables derived from OSM and DMTI data. OSM consistently reported fewer food retailers than Can‐FED, but correlations between density and proportion measures from OSM, DMTI, and Can‐FED were moderate to very strong. OSM and DMTI reliably identified areas with low proportions of healthier food retailers and fast‐food outlets, though accuracy was lower in areas with higher proportions. In metropolitan areas, where categorized variables from OSM differed from Can‐FED, proportions of healthier retailers and fast‐food outlets were often underestimated. This study highlights OSM's limitations, such as missing data and error in accurately classifying neighborhood food environments, yet suggests that OSM may be useful for capturing general trends or measuring food environments in low‐density areas when higher quality administrative data is not accessible.
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.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle