Des fruits et légumes au métro : évaluation d’une intervention visant à améliorer leur accès dans un quartier défavorisé de l’Est de Montréal
Bibliographic record
Abstract
La mise en place de sources alternatives d’approvisionnement (SAA) dans des secteurs mal desservis telles que des marchés locaux offrant des fruits et légumes (FL) frais représente une stratégie prometteuse pour prévenir les maladies chroniques et réduire les inégalités de santé. Toutefois, l’efficacité de ces interventions demeure incertaine. Cette étude vise à évaluer l’utilisation d’un nouveau marché de FL frais mis en place aux abords d’une station de métro dans un quartier défavorisé de Montréal où l’offre était préalablement limitée. Les données ont été collectées auprès des utilisateurs du marché directement au point d’achat (n=218) et par téléphone auprès d’un échantillon aléatoire de résidents vivant à proximité (n=335). Parmi les utilisateurs recrutés au marché, 23% avaient un faible revenu, 57% ne consommaient pas suffisamment de FL et 54% n’avaient pas accès à une voiture. Après ajustement pour les co-variables, le niveau d’éducation et le fait de se situer sous la mesure de faible revenu n’étaient pas associés à l’utilisation du marché (n=438). Consommer suffisamment de FL [OR=1.82, 95% CI (1.070-3.099)], résider plus près du marché [OR pour distance domicile-marché = 0.86, IC 95% (0,76-0.97)], passer devant le marché sur son itinéraire habituel de déplacement [OR=2.57, IC 95% (1.46-4.53)] et ne pas avoir accès à une voiture [OR=3.16, IC 95% (1.78-5.62)] étaient associés à son utilisation. Le marché a rejoint des populations souvent contraintes dans leurs pratiques d’approvisionnement, notamment les populations à faible revenu, celles qui dépendent du transport en commun et celles vivant seules. Le lieu de transit semble avoir particulièrement contribué à démocratiser l’accès. Implantées dans des lieux stratégiques, les SAA représentent une stratégie prometteuse pour améliorer l’accès à des FL frais et possiblement augmenter leur consommation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".