MétaCan
Menu
Retour à la cohorte
Enregistrement W2018494930 · doi:10.1057/jphp.2013.9

Restricting marketing to children: Consensus on policy interventions to address obesity

2013· article· en· W2018494930 sur OpenAlexafffundabout
Kim D. Raine, Tim Lobstein, Jane Landon, Monique Potvin Kent, Suzie Pellerin, Timothy Caulfield, Diane T. Finegood, Lyne Mongeau, Neil Neary, John C. Spence

Notice bibliographique

RevueJournal of Public Health Policy · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensInstitute of Population and Public HealthUniversity of OttawaUniversité de MontréalSimon Fraser UniversityUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaHeart and Stroke Foundation of Canada
Mots-clésPublic health lawPublic healthFood marketingHealth policyEnvironmental healthPsychological interventionBusinessObesitySocial marketingMarketingPublic health policyCompliance (psychology)Public policyPolitical sciencePublic relationsMedicinePsychologyNursing

Résumé

récupéré en direct d'OpenAlex

Obesity presents major challenges for public health and the evidence is strong. Lessons from tobacco control indicate a need for changing the policy and environments to make healthy choices easier and to create more opportunities for children to achieve healthy weights. In April 2011, the Alberta Policy Coalition for Chronic Disease Prevention convened a consensus conference on environmental determinants of obesity such as marketing of unhealthy foods and beverages to children. We examine the political environment, evidence, issues, and challenges of placing restrictions on marketing of unhealthy foods and beverages within Canada. We recommend a national regulatory system prohibiting commercial marketing of foods and beverages to children and suggest that effective regulations must set minimum standards, monitor compliance, and enact penalties for non-compliance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,108
score de la tête « metaresearch » (Gemma)0,121
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,572

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1080,121
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,005
Études des sciences et des technologies0,0040,014
Communication savante0,0120,008
Science ouverte0,0100,009
Intégrité de la recherche0,0220,033
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,397
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Public Health PolicyMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207