A multi-country survey of public support for food policies to promote healthy diets: Findings from the International Food Policy Study
Notice bibliographique
Résumé
BACKGROUND: Poor diet is a significant contributor to the burden of global disease. There are numerous policies available to address poor diets; however, these policies often require public support to encourage policy action. The current study aimed to understand the level of public support for a range of food policies and the factors associated with policy support. METHODS: An online survey measuring support for 13 food policies was completed by 19,857 adults in Australia, Canada, Mexico, the United Kingdom (UK) and the United States (US). The proportion of respondents that supported each policy was compared between countries, and the association between demographic characteristics and policy support was analysed using multivariate logistic regression. RESULTS: The level of support varied between policies, with the highest support for policies that provided incentives (e.g., price subsidies) or information (e.g., calorie labelling on menus), and the lowest support for those that imposed restrictions (e.g., restrictions on sponsorship of sport events). This pattern of support was similar in all countries, but the level differed, with Mexico generally recording the highest support across policies, and the US the lowest. Several demographic characteristics were associated with policy support; however, these relationships varied between countries. CONCLUSION: The results suggest that support for food policies is influenced by several factors related to the policy design, country, and individual demographic characteristics. Policymakers and advocates should consider these factors when developing and promoting policy options.
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 | 0,012 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».