Exploring sociodemographic and nutrition-related correlates of meal-kit use across five countries: findings from the International Food Policy Study
Notice bibliographique
Résumé
Abstract Objective: To assess the frequency and correlates of meal-kit use across five countries using population-level data. Design: Online surveys conducted in 2022 assessed meal-kit use in the past week. Binary logistic regression models examined sociodemographic and nutrition-related correlates of meal-kit use, including self-reported home meal preparation and cooking skills, commercially prepared meal consumption and healthy eating, weight change and sustainability efforts. Setting: Canada, Australia, the UK, the USA and Mexico. Participants: 20,401 adults aged 18–100 years. Results: Overall, 14 % of participants reported using meal-kits in the past week. Use was highest in the USA (18 %) and lowest in Canada (9 %). Meal-kit use was greater among individuals who were younger, male, of minority ethnicity, had high educational attainment, had higher income adequacy or had children living in the household ( P < 0·01 for all). Use was greater for those who participated in any food shopping ( v . none), those who prepared food sometimes (3–4 d/week or less v . never) and those who reported ‘fair’ or better cooking skills ( v . poor; P < 0·05 for all). Consuming any ‘ready-to-eat’ food ( v . none) and visiting restaurants more recently ( v . > 6 months ago; P < 0·001 for all) were associated with greater meal-kit use. Eating fruits/vegetables more than 2 times/d and engaging in diet modification efforts were also associated with increased meal-kit use, as was engaging in weight change or sustainability efforts ( P < 0·001 for all). Conclusions: Meal-kits tend to be used by individuals who make efforts to support their health and sustainability, potentially valuing ‘convenient’ alternatives to traditional home meal preparation; however, use is concentrated amongst those with higher income adequacy.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».