Alcohol and fast food sponsorship in sporting clubs with junior teams participating in the ‘Good Sports’ program: a cross‐sectional study
Notice bibliographique
Résumé
OBJECTIVE: To examine: alcohol and fast food sponsorship of junior community sporting clubs; the association between sponsorship and club characteristics; and parent and club representative attitudes toward sponsorship. METHODS: A cross-sectional telephone survey of representatives from junior community football clubs across New South Wales and Victoria, Australia, and parents/carers of junior club members. Participants were from junior teams with Level 3 accreditation in the 'Good Sports' program. RESULTS: A total of 79 club representatives and 297 parents completed the survey. Half of participating clubs (49%) were sponsored by the alcohol industry and one-quarter (27%) were sponsored by the fast food industry. In multivariate analyses, the odds of alcohol sponsorship among rugby league clubs was 7.4 (95%CI: 1.8-31.0, p=<0.006) that of AFL clubs, and clubs located in regional areas were more likely than those in major cities to receive fast food industry sponsorship (OR= 9.1; 95%CI: 1.0-84.0, p=0.05). The majority (78-81%) of club representatives and parents were supportive of restrictions to prohibit certain alcohol sponsorship practices, but a minority (42%) were supportive of restrictions to prohibit certain fast food sponsorship practices. CONCLUSIONS: Large proportions of community sports clubs with junior members are sponsored by the alcohol industry and the fast food industry. There is greater acceptability for prohibiting sponsorship from the alcohol industry than the fast food industry. Implications for public health: Health promotion efforts should focus on reducing alcohol industry and fast food industry sponsorship of junior sports clubs.
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 | 0,003 | 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 ».