Ready for Policy? Stakeholder Attitudes Toward Menu Labelling in Toronto, Canada
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this research was to assess key stakeholder attitudes regarding menu labelling in Toronto, the largest municipality in Canada. Menu labelling is a population health intervention where food-labelling principles are applied to the eating-out environment through disclosure of nutrient content of food items on restaurant menus at the point of sale. Menu-labelling legislation has been implemented in the United States, but has yet to be adopted in Canada. As provincial voluntary programs and federal analyses progress, municipal jurisdictions will need to assess the feasibility of moving forward with parallel interventions. METHODS: Data were collected and analyzed in late 2011 to early 2012, including: a consumer eating-out module incorporated into a public health surveillance telephone survey (n=1,699); an online survey of independent restaurant operators (n=256); in-depth key informant interviews with executives and decision makers at chain restaurants (n=9); and a policy consultation with local restaurant associations. RESULTS: Toronto residents, particularly men, younger adults, and those with higher income or education, frequently eat out. A majority indicated that nutrition information is important to them; 69% note that they currently use it and 78% reported they would use it if it were readily available. Resistance to menu-labelling requirements at the municipal level was articulated by franchise/chain restaurant executives and industry associations. Despite overall low interest among independent restaurant operators, 57% reported feeling some responsibility to provide nutrition information and 50% believed it could be good for business. CONCLUSIONS: This research supports earlier literature that indicates strong public support for menu labelling alongside perceived barriers among the restaurant and foodservices sector. Leverage points for effective operator engagement for menu-labelling adoption were identified, nonetheless, highlighting the need for public health support.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».