Taxes and front-of-package labels improve the healthiness of beverage and snack purchases: a randomized experimental marketplace
Notice bibliographique
Résumé
BACKGROUND: Sugar taxes and front-of-package (FOP) nutrition labelling systems are strategies to address diet-related non-communicable diseases. However, there is relatively little experimental data on how these strategies influence consumer behavior and how they may interact. This study examined the relative impact of different sugar taxes and FOP labelling systems on beverage and snack food purchases. METHODS: A total of 3584 Canadians 13 years and older participated in an experimental marketplace study using a 5 (FOP label condition) × 8 (tax condition) between-within group experiment. Participants received $5 and were presented with images of 20 beverages and 20 snack foods available for purchase. Participants were randomized to one of five FOP label conditions (no label; 'high in' warning; multiple traffic light; health star rating; nutrition grade) and completed eight within-subject purchasing tasks with different taxation conditions (beverages: no tax, 20% tax on sugar-sweetened beverages (SSBs), 20% tax on sugary drinks, tiered tax on SSBs, tiered tax on sugary drinks; snack foods: no tax, 20% tax on high-sugar foods, tiered tax on high-sugar foods). Upon conclusion, one of eight selections was randomly chosen for purchase, and participants received the product and any change. RESULTS: Compared to those who saw no FOP label, participants who viewed the 'high in' symbol purchased less sugar (- 2.5 g), saturated fat (- 0.09 g), and calories (- 12.6 kcal) in the beverage purchasing tasks, and less sodium (- 13.5 mg) and calories (- 8.9 kcal) in the food tasks. All taxes resulted in substantial reductions in mean sugars (- 1.4 to - 4.7 g) and calories (- 5.3 to - 19.8 kcal) purchased, and in some cases, reductions in sodium (- 2.5 to - 6.6 mg) and saturated fat (- 0.03 to - 0.08 g). Taxes that included 100% fruit juice ('sugary drink' taxes) produced greater reductions in sugars and calories than those that did not. CONCLUSIONS: This study expands the evidence indicating the effectiveness of sugar taxation and FOP labelling strategies in promoting healthy food and beverage choices. The results emphasize the importance of applying taxes to 100% fruit juice to maximize policy impact, and suggest that nutrient-specific FOP 'high in' labels may be more effective than other common labelling systems at reducing consumption of targeted nutrients.
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 | 0,000 | 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 ».