BIA‐Obesity (Business Impact Assessment—Obesity and population‐level nutrition): A tool and process to assess food company policies and commitments related to obesity prevention and population nutrition at the national level
Notice bibliographique
Résumé
Addressing obesity and improving the diets of populations requires a comprehensive societal response. The need for broad-based action has led to a focus on accountability of the key factors that influence food environments, including the food and beverage industry. This paper describes the Business Impact Assessment-Obesity and population-level nutrition (BIA-Obesity) tool and process for benchmarking food and beverage company policies and practices related to obesity and population-level nutrition at the national level. The methods for BIA-Obesity draw largely from relevant components of the Access to Nutrition Index (ATNI), with specific assessment criteria developed for food and nonalcoholic beverage manufacturers, supermarkets, and chain restaurants, based on international recommendations and evidence of best practices related to each sector. The process for implementing the BIA-Obesity tool involves independent civil society organisations selecting the most prominent food and beverage companies in each country, engaging with the companies to understand their policies and practices, and assessing each company's policies and practices across six domains. The domains include: "corporate strategy," "product formulation," "nutrition labelling," "product and brand promotion," "product accessibility," and "relationships with other organisations." Assessment of company policies is based on their level of transparency, comprehensiveness, and specificity, with reference to best practice.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».