Early impact of a new food store intervention on health-related outcomes
Notice bibliographique
Résumé
Abstract This study investigated the early impact of a community-based food intervention, the Good Food Junction (GFJ), a full-service grocery store (September 2012 – January 2016) in a former food desert in Saskatoon, Canada. The hypothesis tested was that frequent shopping at the GFJ improved food security and selected health-related outcomes among shoppers, and the impact was moderated by socioeconomic factors. Longitudinal data were collected from 156 GFJ shoppers, on three occasions: 12-, 18-, and 24-months post-opening. Participants were grouped into three categories based on the frequency of shopping at the GFJ: low, moderate, and high. A generalized estimating equations approach was used for model building; moderating effects were tested. Participants were predominantly female, Indigenous, low-income, and had high school or some post-secondary education. The GFJ use was associated with household food security (OR for high and moderate frequency shoppers reporting less than a high school education were 1.81 and 1.06, respectively), and mental health (OR for high and moderate frequency shoppers reporting high income were 2.82 and 0.87, respectively) exhibiting a dose-response relationship, and indicated that these outcomes were significantly moderated by participants’ socioeconomic factors. Shopping at the GFJ had a positive effect on food security and mental health, but to varying levels for those with low incomes, with less than high school or high school or better levels of education.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».