Social marketing including financial incentive programs at worksite cafeterias for preventing obesity: a systematic review
Notice bibliographique
Résumé
BACKGROUND: As with food-taxation strategies, such interventions as discounted healthy menus, point-of-purchase advertisements, and sugar-free beverages for employees at worksites could help prevent obesity. This study assessed the effectiveness of food environment interventions incorporating financial incentive or social marketing strategies at workplace cafeterias, vending machines, and kiosks toward preventing obesity and improving dietary habits. METHODS: We conducted searches on CENTRAL, MEDLINE, EMBASE, CINAHL, and PsycINFO databases. The study designs included were randomized control trials (RCTs) and cluster RCTs. We evaluated the effectiveness of financial incentive or social marketing strategies interventions (such as discounts) on health outcomes or food intake behavior. Two reviewers independently screened the studies for inclusion. We assessed the risk of bias using the Cochrane Collaboration's tool. This protocol was published in 2014. RESULTS: We included three trials, with a combined total of 3013 participants. There were limited available data from RCTs on changes in body weight. No eligible social marketing studies were retrieved. In some cases, a meta-analysis could not be conducted owing to differences in the analytic methods for the outcomes. CONCLUSIONS: Lack of evidence made it difficult to draw any conclusions. In future surveys, it will be necessary to conduct interventions focusing only on financial incentive intervention versus no intervention in order to determine whether the incentive strategy has a clear impact. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD4201401056.
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 | 0,025 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».