- ИИ выявляет разрыв в полезности меню.
- Бедные районы сталкиваются с «двойным бременем» вредных вариантов.
- Географический анализ вскрывает резкие контрасты в качестве меню.
Исследователи из Кембриджского университета использовали возможности искусственного интеллекта (ИИ) для анализа полезности меню в заведениях общественного питания по всей Великобритании.
Результаты, опубликованные в журнале Health & Place, проливают свет на неравенство в пищевой среде между богатыми и бедными районами, подчеркивая трудности, с которыми сталкиваются люди, проживающие в экономически неблагополучных районах.
ИИ предсказывает полезность меню
Используя данные платформы онлайн-заказа еды Just Eat, исследователи изучили почти 55 000 заведений общественного питания. Каждое меню оценивалось на основе различных факторов, включая наличие специальных предложений, десертов, салатов, картофеля фри и разнообразия овощей.
С помощью модели глубокого обучения на базе ИИ, обученной на подмножестве данных Just Eat, команда предсказала полезность меню для почти 180 000 заведений общественного питания по всей стране.
Исследование выявило четкую корреляцию между уровнем депривации района и полезностью его заведений общественного питания. Районы с более высоким уровнем депривации, как правило, имели большую концентрацию заведений общественного питания с заметным преобладанием менее полезных вариантов. В частности, в самых депривированных районах наблюдалось более чем вдвое большее количество заведений общественного питания на душу населения по сравнению с их богатыми аналогами.
Тройное бремя для депривированных сообществ
Влияние этих различий выходит за рамки простой доступности, способствуя тому, что исследователи описывают как «двойное бремя» для жителей депривированных районов. Не только в этих районах выше плотность заведений с менее полезной едой, но и люди с низким уровнем дохода, проживающие в таких районах, также чаще сталкиваются с проблемами, связанными с ожирением.
Это явление подчеркивает сложное взаимодействие между социально-экономическими факторами и пищевыми привычками.
Географический анализ выявил значительные различия в полезности меню на уровне местных органов власти. В то время как такие районы, как Сити-оф-Лондон, Кенсингтон и Челси, а также Вестминстер, имели более высокие показатели полезности меню, такие районы, как Северо-Восточный Линкольншир, Лутон и Кингстон-апон-Халл, заняли более низкие места в шкале полезности.
Эти результаты предоставляют ценные идеи для политиков, стремящихся решить проблемы неравенства в сфере здоровья в своих юрисдикциях.
Последствия для вмешательств в сфере общественного здоровья
Несмотря на способность ИИ предсказывать полезность меню на основе названий заведений и рейтингов гигиены, исследователи признают ограничения этого подхода. Такие факторы, как размер порций, методы приготовления и уровень переработки пищи, не были учтены моделью.
Таким образом, вмешательства, направленные на улучшение полезности пищевой среды, должны учитывать эти нюансы, потенциально включая меры, такие как уменьшение размера порций и снижение содержания соли.
Исследование подчеркивает критическую роль пищевой среды в формировании пищевых привычек и результатов для здоровья. Используя технологию ИИ, исследователи выявили различия в полезности меню в разных районах, выделив трудности, с которыми сталкиваются люди в депривированных районах.
Эти результаты предоставляют убедительное обоснование для целевых вмешательств, направленных на продвижение более здорового выбора пищи и снижение неравенства в сфере здоровья внутри сообществ.
Не просто читайте новости о криптовалютах. Понимайте их. Подпишитесь на нашу рассылку. Это бесплатно.
Отказ от ответственности. Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com Мы не несем ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем проводить независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любых инвестиционных решений.
Эмман Омванда
Экспертиза Эммануэля Омванды охватывает рынки криптовалют, включая фундаментальный и технический анализ. Ранее он работал в различных крипто-медиа-изданиях перед присоединением к Cryptopolitan, включая CoinEdition, The Crypto Basic, CryptoNews Flash и DroomDroom. Он имеет степень бакалавра наук (BSc.) по математике и компьютерным наукам Университета Кеньятта (Кения) и в настоящее время находится на последнем году обучения по степени бакалавра искусств в области коммуникаций и медиаисследований.
