Monitoring the price and affordability of foods and diets globally
Notice bibliographique
Résumé
Food prices and food affordability are important determinants of food \nchoices, obesity and non-communicable diseases. As governments around \nthe world consider policies to promote the consumption of healthier foods, \ndata on the relative price and affordability of foods, with a particular focus \non the difference between ‘less healthy’ and ‘healthy’ foods and diets, are \nurgently needed. This paper briefly reviews past and current approaches to \nmonitoring food prices, and identifies key issues affecting the development \nof practical tools and methods for food price data collection, analysis and \nreporting. A step-wise monitoring framework, including measurement indicators, \nis proposed. ‘Minimal’ data collection will assess the differential \nprice of ‘healthy’ and ‘less healthy’ foods; ‘expanded’ monitoring will assess \nthe differential price of ‘healthy’ and ‘less healthy’ diets; and the ‘optimal’ \napproach will also monitor food affordability, by taking into account \nhousehold income. The monitoring of the price and affordability of \n‘healthy’ and ‘less healthy’ foods and diets globally will provide robust data \nand benchmarks to inform economic and fiscal policy responses. Given the \nrange of methodological, cultural and logistical challenges in this area, it is \nimperative that all aspects of the proposed monitoring framework are \ntested rigorously before implementation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».