MétaCan
Menu
Retour à la cohorte
Enregistrement W2981655965 · doi:10.1080/09581596.2019.1680804

Fizzy foibles: examining attitudes toward sugar-sweetened beverages in Michigan

2019· article· en· W2981655965 sur OpenAlexaff
Andrea E. Bombak, Taylor E. Colotti, Natalie D. Riediger, Dolapo Raji, Nicholas Eckhart

Notice bibliographique

RevueCritical Public Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of ManitobaUniversity of New Brunswick
Organismes subventionnairesCentral Michigan University
Mots-clésSugarEnvironmental healthPsychologyAdvertisingBusinessMedicineFood scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Health educators are increasingly publicizing the noxious health effects of sugar-sweetened beverages (SSB). American counties are implementing SSB taxes, as modeled after the ‘success’ of tobacco policies, to address the ‘obesity crisis’. Under-explored is how the linking of SSB to a stigmatized condition, ‘obesity’, has affected attitudes toward the purchasing and consumption of SSB and those individuals who purchase and consume SSB. This study sought to explore individuals’ attitudes and experiences with SSB in rural Michigan. Three themes emerged: Negativity, Egregious beverages and Implicated imbibers. These attitudes were situated within a context of increased exposure to SSB health discourses, particularly among younger participants. Additional themes arose regarding which SSB were labelled especially problematic, who should or should not be drinking SSB, as well as the consequences of drinking SSB. Pop/soda, energy drinks, and diet pop/soda were identified as particularly harmful, albeit for different reasons – sugar, caffeine, and unnatural additives. Many participants reported reacting negatively when they saw children of higher weights drinking SSB, though judgement was reserved for parents. Ultimately, SSB and their consumers appear increasingly stigmatized in ways that carry important equity implications for already marginalized groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,370
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Public HealthMême sujetObesity, Physical Activity, DietTravaux en français237 207