A Systematic Review of the Effect of Retail Food Environment Interventions on Diet and Health with a Focus on the Enabling Role of Public Policies
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Update the state of evidence on the effectiveness of retail food environment interventions in influencing diet and explore the underlying role of public policy, through a systematic review of population-level interventions to promote health in the retail food environment, including community and consumer environments. Diet-related outcomes included purchasing, dietary intakes, diet quality, and health including weight. We coded studies for enabling public policy levers underpinning the intervention, using two widely used conceptual frameworks. RECENT FINDINGS: Of 86 articles (1974-2018), the majority (58 articles, 67%) showed at least one positive effect on diet. Thirteen articles (15%) discussed natural experiments, 27 articles (31%) used a design involving comparison groups including 23 articles (27%) specifically describing randomized controlled trials, and 46 (53%) were quasi-experimental (cross-sectional) evaluations. Across the "4Ps" of marketing (product, promotion, placement, and price), promotion comprised the greatest proportion of intervention strategies, especially in earlier literature (pre-2008). Few studies combined geographic access interventions with 4P strategies, and few used robust dietary intake assessments. Behavior change communication remains an intervention mainstay, but recent work has also incorporated environmental and social planning, and fiscal strategies. More recent interventions were multi-component. The retail food environment intervention literature continues to grow and has become more robust overall, with clearer evidence of the effect of interventions on diet-related outcomes, including consumer purchasing, dietary intakes, and health. There is still much scope for development in the field. Attention to enabling public policy could help to strengthen intervention implementation and evaluation in the retail food environment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».