Characteristics of consumers using ‘better for you’ front-of-pack food labelling schemes – an example from the Australian Heart Foundation Tick
Notice bibliographique
Résumé
OBJECTIVE: The Heart Foundation Tick aims to help consumers make healthier food choices and overcome confusion in understanding food labels. Little is known about what factors differentiate frequent from infrequent users and the effectiveness of this scheme in helping Australians make healthier food choices. DESIGN: A cross-sectional survey was used to explore use of the Tick and associations with a range of individual characteristics. SETTING: A national panel of Australians, living in each state and territory, completed an online survey (n 1446). SUBJECTS: Adult men (41 %) and women participated in the study. RESULTS: Most trusted the Heart Foundation (79 %), and used the Tick at least occasionally (19 % regularly, 21 % often, 35 % occasionally, 24 % never). A majority was classified as overweight/obese (60 %), 3·5 % were diagnosed with CHD, 5·2 % with diabetes and 23 % with hypertension. Many did not meet recommendations for the consumption of red meat (30 %), processed meat (23 %), vegetables (78 %), fruit (43 %) and fast foods (47 %). Female frequent users tended to have hypertension, be married/de facto, older than 45 years, rural dwellers, and limit their intake of fast foods. Male frequent users tended to have hypertension, meet recommendations for fruit, vegetables and processed meats, but not have a tertiary education. CONCLUSIONS: The Heart Foundation Tick is a highly trusted, highly recognizable food labelling scheme and helpful to consumers who are motivated to make healthier food choices. More inter-sector collaboration is required to incorporate these schemes into public health campaigns to help consumers make healthier food choices.
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 | 0,000 |
| 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 ».