Parents’ Perceptions about Salt Consumption in Urban Areas of Peru: Formative Research for a Social Marketing Strategy
Notice bibliographique
Résumé
BACKGROUND: Salt intakes in Latin America currently double the World Health Organization's recommendation of 5 g/day. Various strategies to reduce the population's salt consumption, such as raising awareness using social marketing, have been recommended. This study identified parents' perceptions of salt consumption to inform a social marketing strategy focused on urban areas in Peru. METHODS: Using a sequential exploratory methods design, parents of pre-school children, of high and low socioeconomic status, provided qualitative data in the form of interviews and focus groups. Following this, quantitative data was obtained via questionnaires, which were sent to all parents. The information was analyzed jointly. RESULTS: 296 people (mean age 35.4, 82% women) participated, 64 in the qualitative and 232 in the quantitative phase of the study. Qualitative data from the first phase revealed that the majority of mothers were in charge of cooking, and female participants expressed that cooking was "their duty" as housewives. The qualitative phase also revealed that despite the majority of the participants considered their salt intake as adequate, half of them mentioned that they have tried to reduce salt consumption, and the change in the flavor of the food was stated as the most difficult challenge to continue with such practice. Quantitative data showed that 67% of participants would be willing to reduce their salt intake, and 79.7% recognized that high salt intake causes hypertension. In total, 84% of participants reaffirmed that mothers were in charge of cooking. There were no salient differences in terms of responses provided by participants from high versus low socioeconomic groups. CONCLUSIONS: The results point towards the identification of women as a potential target-audience of a social marketing strategy to promote reductions in salt intake in their families and, therefore, a gender-responsive social marketing intervention is recommended.
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 | 0,028 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».