Trade and investment liberalization, food systems change and highly processed food consumption: a natural experiment contrasting the soft-drink markets of Peru and Bolivia
Notice bibliographique
Résumé
BACKGROUND: Free trade agreements (FTAs) can affect food environments and non-communicable disease risks through altering the availability of highly-processed foods. Few studies have quantified such effects. Using a natural experiment this paper quantifies changes in Peru's soft-drink market before/after entry into the US-Peru FTA, compared with Bolivia, a county with no such agreement. METHODS: Difference-in-difference models were used to test for between country differences in the rate of per capita foreign direct investment (FDI) inflows, soft-drink imports, the volumes of various soft-drinks sold, and the volumes of sugar from soft-drinks before/after FTA ratification (2006) and enforcement (2009). RESULTS: In Peru average per capita FDI-inflows rose from US$103.11 in the pre-ratification period to US$269.79 post-ratification, with little change in Bolivia. This corresponded with a 122 % increase in Peruvian soft-drink production. There was a significant between-country difference in FDI-inflows pre-/post-ratification (DID:1.07, 95 % CI:0.19-1.96; p = 0.01). Despite little difference in total per capita soft-drink sales volumes there was a significant between-country difference in per capita sugar from soft-drinks pre-/post enforcement (DID:-0.99, 95 % CI: -1.91-0.06; p = 0.03) with stagnated growth in Peru and continued growth in Bolivia. This resulted from stagnated sugar sweetened carbonates growth and increased bottled water, juice and sports & energy drinks growth in Peru, with continued carbonates growth in Bolivia. There was a significant between-country difference in per capita carbonates (DID: -1.44, 95 % CI: -2.52-0.36, p = 0.01) and bottled water (DID:0.63; 95 % CI: -0.01-1.26; p = 0.04) sales volumes. CONCLUSIONS: The FTA may have resulted in increased FDI-inflows and soft-drink production and also contributed to the diversification of soft drinks produced and sold in Peru with some positive (stagnated carbonates and increased bottled water) and some negative (increased juice and sports & energy drinks) implications for nutrition. These changes were not evident in Bolivia. These results should be interpreted cautiously given the study design limitations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».