Healthy vending contracts: Do localized policy approaches improve the nutrition environment in publicly funded recreation and sport facilities?
Notice bibliographique
Résumé
This study explored the influence of healthy vending contracts (HVC) on the nutritional quality of vending machine products in 46 Canadian publicly funded recreation and sport facilities. A quasi-experimental comparison design was used to examine the difference in nutritional quality of snack and beverage vending machine products at baseline (December 2015–May 2016) and 18-month follow-up. Staff Surveys assessed facility contract type (HVC or conventional) and vending machine audits identified product nutritional quality. Products were categorized by provincial guidelines as Do Not Sell (DNS), Sell Sometimes (SS) or Sell Most (SM). ANOVA compared categories cross-sectionally (HVC vs conventional) and repeated measures ANOVA compared them longitudinally (HVC-HVC, vs conventional-conventional and conventional-HVC). Approximately one quarter of contracts (24% beverage and 28% snack) had health stipulations at baseline or follow-up. Cross-sectionally, facilities with HVC at any time period had significantly lower percentage DNS (beverage: 56% vs 73%, p = 0.001; snack: 55% vs 85%, p < 0.001), higher SS (beverage: 24% vs 14%, p = 0.003; snack: 35% vs 12%, p < 0.001) and higher SM Products (beverage: 21% vs 13%, p = 0.030; snack: 10% vs 3%, p < 0.003). Longitudinally, facilities with consistent HVC or that changed to HVC showed greater decreases in DNS products over time (p < 0.050). Although less healthy products were still highly prevalent, facilities with HVC or that changed to HVC had fewer unhealthy products available in their vending machines over time compared to those without HVCs. Healthy vending contracts appear to be an effective change strategy.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».