Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân Đoạn Dân Tộc Ở Khu Phố Dự Đoán Sự Phân Bố Không Gian Của Siêu Thị Và Cửa Hàng Tạp Hóa Tốt Hơn So Với Các Yếu Tố Kinh Tế Xã Hội Tại Cleveland, Ohio: Một Cách Tiếp Cận Không Gian Bayesian
Springer Science and Business Media LLC - Trang 1-13 - 2023
Tóm tắt
Môi trường thực phẩm ảnh hưởng đến sự sẵn có và khả năng chi trả của các lựa chọn thực phẩm cho người tiêu dùng tại một khu phố nhất định. Tuy nhiên, có sự chênh lệch trong việc tiếp cận các lựa chọn thực phẩm lành mạnh, ảnh hưởng không cân xứng đến cộng đồng người da đen và cộng đồng có thu nhập thấp. Nghiên cứu này đã điều tra xem sự phân đoạn dân tộc có dự đoán sự phân bố không gian của các siêu thị và cửa hàng tạp hóa tốt hơn các yếu tố kinh tế xã hội hay ngược lại tại Cleveland, Ohio. Biện pháp kết quả là số lượng siêu thị và cửa hàng tạp hóa trong mỗi khu vực dân số ở Cleveland. Chúng được kết hợp với dữ liệu của Cục Thống kê Hoa Kỳ như các biến số đồng. Chúng tôi đã xây dựng bốn mô hình thống kê không gian Bayesian. Mô hình đầu tiên là mô hình cơ bản không có biến số đồng. Mô hình thứ hai xem xét riêng sự phân đoạn dân tộc. Mô hình thứ ba chỉ tập trung vào các yếu tố kinh tế xã hội, và mô hình cuối cùng kết hợp cả hai yếu tố dân tộc và kinh tế xã hội. Hiệu suất tổng thể của mô hình tốt hơn trong mô hình chỉ xem xét sự phân đoạn dân tộc như một yếu tố dự đoán siêu thị và cửa hàng tạp hóa (DIC = 476.29). Có sự giảm 13% trong số lượng cửa hàng cho một khu vực dân số có tỷ lệ người da đen cao hơn so với các khu vực có số lượng người da đen thấp hơn. Mô hình 3 chỉ xem xét các yếu tố kinh tế xã hội ít dự đoán hơn về các cửa hàng bán lẻ (DIC = 484.80). Những phát hiện này dẫn đến kết luận rằng nạn phân biệt chủng tộc cấu trúc được thể hiện trong các chính sách như phân đoạn cư trú có tác động đáng kể đến sự phân bố không gian của bán lẻ thực phẩm trong thành phố Cleveland.
Từ khóa
Tài liệu tham khảo
Cummins S, Macintyre S. “Food deserts”—evidence and assumption in health policy making. Bmj. 2002;325(7361):436–8.
Walker RE, Keane CR, Burke JG. Disparities and access to healthy food in the United States: a review of food deserts literature. Health Place. 2010;16(5):876–84.
Black C, Moon G, Baird J. Dietary inequalities: what is the evidence for the effect of the neighbourhood food environment? Health Place. 2014;1(27):229–42.
Bower KM, Thorpe RJ Jr, Rohde C, Gaskin DJ. The intersection of neighborhood racial segregation, poverty, and urbanicity and its impact on food store availability in the United States. Prev Med. 2014;1(58):33–9.
Bonanno A. Food deserts: demand, supply, and economic theory. Choices. 2012;27:316-2016-6339.
Bitler M, Haider SJ. An economic view of food deserts in the United States. Journal of Policy Analysis and Management. 2011;30(1):153–76.
Allcott H, Diamond R, Dubé JP, Handbury J, Rahkovsky I, Schnell M. Food deserts and the causes of nutritional inequality. Q J Econ. 2019;134(4):1793–844.
Kwate NO. Fried chicken and fresh apples: racial segregation as a fundamental cause of fast food density in black neighborhoods. Health Place. 2008;14(1):32–44.
Thibodeaux J. City racial composition as a predictor of African American food deserts. Urban Stud. 2016;53(11):2238–52.
Williams DR, Collins C. Racial residential segregation: a fundamental cause of racial disparities in health. Public Health Rep. 2001;116(5):404.
Deener A. The origins of the food desert: urban inequality as infrastructural exclusion. Social Forces. 2017;95(3):1285–309.
Thibodeaux J. A historical era of food deserts: changes in the correlates of urban supermarket location, 1970–1990. Social Currents. 2016;3(2):186–203.
Phelan JC, Link BG, Diez-Roux A, Kawachi I, Levin B. “Fundamental causes” of social inequalities in mortality: a test of the theory. J Health Soc Behav. 2004;45(3):265–85.
Feagin JR. Racist America: roots, current realities, and future reparations. Routledge; 2014.
Feagin J. Systemic racism: a theory of oppression. Routledge; 2013.
Massey DS, Denton NA. The dimensions of residential segregation. Social forces. 1988;67(2):281–315.
Kaplan DH. Navigating ethnicity: segregation, placemaking, and difference. Rowman & Littlefield; 2017.
Apparicio P, Martori JC, Pearson AL, Fournier É, Apparicio D. An open-source software for calculating indices of urban residential segregation. Soc Sci Comput Rev. 2014;32(1):117–28.
Florida R, Mellander C. Segregated city: the geography of economic segregation in America’s metros. Martin Prosperity Institute; 2015.
Logan JR, Stults BJ. The persistence of segregation in the metropolis: new findings from the 2010 census. Census brief prepared for Project US2010. 2011;24
Gardenhire R, Trapl E, Borawski E. Store classification brief: Cleveland food and tobacco retail project. Cleveland, OH: Prevention Research Center for Healthy Neighborhoods, Case Western Reserve University; 2021.
US Census Bureau. American Community Survey Design and Methodology (January 2014). Available on-line at: http://www.census.gov/acs/www/Downloads/survey_methodology/acs_design_methodology_report_2014.pdf.
Iceland J. The multigroup entropy index (also known as Theil’s H or the information theory index). US Census Bureau; 2004. Retrieved July, 31(2006), 60
Iceland J, Weinberg DH, Steinmetz E. Racial and ethnic residential segregation in the United States 1980-2000 (Vol. 8, No. 3). Bureau of Census; 2002.
Mitchell A, Griffin LS. The Esri guide to GIS analysis, Volume 2: spatial measurements and statistics (2nd ed.). Esri Press; 2021.
James G, Witten D, Hastie T, Tibshirani R. An introduction to statistical learning (Vol. 112, p. 18). New York: springer; 2013.
Blangiardo M, Cameletti M. Spatial and spatio-temporal Bayesian models with R-INLA. John Wiley & Sons; 2015.
Moraga P. Geospatial health data: modeling and visualization with R-INLA and shiny. CRC Press; 2019.
Yankey O, Amegbor PM, Essah M. The effect of socioeconomic and environmental factors on obesity: a spatial regression analysis. International Journal of Applied Geospatial Research (IJAGR). 2021;12(4):58–74.
Lunn D, Jackson C, Best N, Thomas A, Spiegelhalter D. The BUGS book. A practical introduction to Bayesian analysis. London: Chapman Hall; 2013.
Rue H, Martino S, Chopin N. Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the royal statistical society: Series b (statistical methodology). 2009;71(2):319–92.
Gómez-Rubio V. Bayesian inference with INLA. CRC Press; 2020.
Besag J, York J, Mollié A. Bayesian image restoration, with two applications in spatial statistics. Ann Inst Stat Math. 1991;43(1):1–20.
Bakka H, Rue H, Fuglstad GA, Riebler A, Bolin D, Illian J, et al. Spatial modeling with R-INLA: a review. Wiley Interdisciplinary Reviews: Computational Statistics. 2018;10(6):e1443.
Carroll R, Lawson AB, Faes C, Kirby RS, Aregay M, Watjou K. Comparing INLA and OpenBUGS for hierarchical Poisson modeling in disease mapping. Spatial and spatio-temporal epidemiology. 2015;14:45–54.
Richardson S, Thomson A, Best N, Elliott P. Interpreting posterior relative risk estimates in disease-mapping studies. Environ Health Perspect. 2004;112(9):1016–25.
Lee SY, Song XY. Basic and advanced Bayesian structural equation modeling: with applications in the medical and behavioral sciences. John Wiley & Sons; 2012.
Spiegelhalter DJ, Best NG, Carlin BP, Van Der Linde A. Bayesian measures of model complexity and fit. Journal of the royal statistical society: Series b (statistical methodology). 2002;64(4):583–639.
Freedman DA, Bell BA, Clark JK, Sharpe PA, Trapl ES, Borawski EA, et al. Socioecological path analytic model of diet quality among residents in two urban food deserts. J Acad Nutr Diet. 2019;119(7):1150–9.
Kurtz H. Linking food deserts and racial segregation: challenges and limitations. Geographies of race and food: Fields, bodies, markets. 2013:247–64.
Bellinger WK, Wang J. Poverty, place or race: causes of the retail gap in smaller US cities. The Review of Black Political Economy. 2011;38(3):253–70.
Slocum R, Saldanha A. Geographies of race and food. London: Fields, Bodies, Markets; 2013.
Kwate NOA, Yau CY, Loh JM, Williams D. Inequality in obesigenic environments: fast food density in New York City. Health Place. 2009;15(1):364–73.
James P, Arcaya MC, Parker DM, Tucker-Seeley RD, Subramanian SV. Do minority and poor neighborhoods have higher access to fast-food restaurants in the United States? Health Place. 2014;29:10–7.
Scott J, Danos D, Collins R, Simonsen N, Leonardi C, Scribner R, Herd D. Structural racism in the built environment: segregation and the overconcentration of alcohol outlets. Health Place. 2020;64:102385.
Ghosh-Dastidar M, Hunter G, Collins RL, Zenk SN, Cummins S, Beckman R, Nugroho AK, Sloan JC, Dubowitz T. Does opening a supermarket in a food desert change the food environment? Health Place. 2017;1(46):249–56.
Dubowitz T, Ghosh-Dastidar M, Cohen DA, Beckman R, Steiner ED, Hunter GP, Flórez KR, Huang C, Vaughan CA, Sloan JC, Zenk SN. Diet and perceptions change with supermarket introduction in a food desert, but not because of supermarket use. Health Aff. 2015;34(11):1858–68.
Brinkley C, Glennie C, Chrisinger B, Flores J. “If you Build it with them, they will come”: what makes a supermarket intervention successful in a food desert? J Public Aff. 2019;19(3):e1863.
Howerton G, Trauger A. “Oh honey, don’t you know?” The social construction of food access in a food desert. ACME: An International Journal for Critical Geographies. 2017;16(4):740–60.
Havewala F. The dynamics between the food environment and residential segregation: an analysis of metropolitan areas. Food Policy. 2021;103:102015.
Luan H, Law J, Lysy M. Diving into the consumer nutrition environment: a Bayesian spatial factor analysis of neighborhood restaurant environment. Spatial and spatio-temporal epidemiology. 2018;1(24):39–51.
Lamichhane AP, Warren JL, Peterson M, Rummo P, Gordon-Larsen P. Spatial-temporal modeling of neighborhood sociodemographic characteristics and food stores. Am J Epidemiol. 2015;181(2):137–50.
Liese AD, Barnes TL, Lamichhane AP, Hibbert JD, Colabianchi N, Lawson AB. Characterizing the food retail environment: impact of count, type, and geospatial error in 2 secondary data sources. J Nutr Educ Behav. 2013;45(5):435–42.