Association entre l’accessibilité géographique aux commerces d’alimentation et la consommation de fruits et légumes chez les adultes québécois : analyse de la banque de données de santé CARTaGENE
Notice bibliographique
Résumé
Une alimentation malsaine compromet la santé et génère des coûts importants sur les plans individuels et sociaux ainsi qu’en services en santé. L’adoption d’une saine alimentation est tributaire de déterminants individuels et environnementaux liés aux caractéristiques des environnements physique, économique, politique et socioculturel. Cette étude transversale a pour objectif d’évaluer l'effet de l’environnement physique, plus précisément l’effet de l'accessibilité géographique de commerces alimentaires, sur l'alimentation. Pour répondre à cet objectif, un échantillon composé de 7783 adultes âgés de 40 à 70 ans résidant dans quatre villes du Québec (Canada) a été utilisé. Des indicateurs de proximité ainsi que des indicateurs absolus et relatifs de densité de commerces alimentaires, de restaurants-minute et de dépanneurs situés aux alentours du domicile des participants ont été associés à la consommation de fruits et légumes (F&L). Les données des analyses de régressions logistiques univariées suggèrent que la consommation du nombre de portions minimales de F&L (5 portions) était associée de façon significative aux sept mesures de l'environnement alimentaire (RC variant entre 0.76 et 1.27). Cependant, ces relations étaient pour la plupart non significatives lorsque des variables confondantes étaient prises en compte. En multivarié, les variables les plus significativement corrélées à la consommation de F&L étaient des variables individuelles du sexe, du revenu et de l'éducation. Notre modèle de régression n'explique que 12,4 % de la variance de consommation de F&L, même en tenant compte de tous les facteurs confondants significatifs. Ces résultats démontrent que des recherches supplémentaires sont nécessaires pour mieux cerner les facteurs d’influence de la consommation de F&L chez cette population.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».