MétaCan
Menu
← Retour à la cohorte
Enregistrement W2913788543 · doi:10.1111/obr.12840

Global benchmarking of children's exposure to television advertising of unhealthy foods and beverages across 22 countries

2019· article· en· W2913788543 sur OpenAlexafffund
Bridget Kelly, Stefanie Vandevijvere, SeeHoe Ng, Jean Adams, Lorena Allemandi, Liliana Bahena‐Espina, Sı́món Barquera, E. Boyland, Paul Calleja, Isabel Cristina Carmona‐Garcés, Luciana Castronuovo, Daniel Cauchi, Teresa Correa, Camila Corvalán, Emma Lucia Cosenza‐Quintana, Carlos Fernández‐Escobar, Laura González, Jason C. G. Halford, Nongnuch Jindarattanaporn, Melissa Jensen, Tilakavati Karupaiah, Asha Kaur, María F Kroker-Lobos, Zandile June‐Rose Mchiza, Krista Miklavec, Whadi‐ah Parker, Monique Potvin Kent, Igor Pravst, Manuel Ramírez‐Zea, Sascha Reiff, Marcela Reyes, Miguel Ángel Royo‐Bordonada, Putthipanya Rueangsom, Peter Scarborough, María Victoria Tiscornia, Lizbeth Tolentino‐Mayo, Jillian Wate, Martin White, Irina Zamora‐Corrales, Lingxia Zeng, Boyd Swinburn

Notice bibliographique

RevueObesity Reviews · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Science and Technology Infrastructure ProgramInstituto de Salud Carlos IIIEconomic and Social Research CouncilMedical Research CouncilMinistrstvo za zdravjeCentre for Diet and Activity ResearchUnited Kingdom Clinical Research CollaborationJavna Agencija za Raziskovalno Dejavnost RSMinistry of Higher EducationNational Institute for Health and Care ResearchAthabasca UniversityInternational Development Research CentreUniversity of CapetownCancer Research UKUniversidad de AntioquiaBloomberg PhilanthropiesBritish Heart FoundationWellcome Trust
Mots-clésUnhealthy foodAdvertisingEnvironmental healthBusinessBenchmarkingFood marketingChildhood obesityObesityMedicineMarketingOverweight

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,306
Écart entre enseignants0,294 · 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'étudeObservationnel
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

Citations244
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueObesity Reviews→Même sujetObesity, Physical Activity, Diet→Travaux en français237 207→