Calculating and Comparing Children of Contrasting Socioeconomic Status’ Accessibility to Food Environments Using Activity-Travel Data
Notice bibliographique
Résumé
Childhood overweight and obesity rates in Canada are at concerning levels, more apparently so in individuals from lower socioeconomic classes. Patterns of food consumption, a contributor to body weight, are likely influenced by accessibility and availability of food services in children’s neighbourhoods. Previous studies have looked at children’s accessibility to food stores in relation to residential neighbourhoods or to schools. These studies, however, do not account for other urban opportunities children may encounter while travelling throughout the city. This study compares the food environments located within the activity spaces of children with contrasting socioeconomic status (SES). By using activity spaces as the spatial unit of analysis, this research answers the call for food environment assessments that consider individuals’ movement. The activity spaces are measured on a geographic information system using a modified version of a road network buffer and the shortest path network estimation method. Results show that while children participate in similar numbers of activities regardless of SES, children of higher SES traveled more of their environment than low SES children. Low SES children had higher densities of fast food outlets and supermarkets in their activity spaces than high SES children. This higher density of fast food outlets in low SES children’s activity spaces may contribute to the higher prevalence of overweight and obese body mass index (BMI) levels observed in this demographic. The activity space technique used in this analysis has the potential to be used in future studies as a transportation network based measure of accessibility that accounts for mobility.
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 | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».