A randomized controlled trial examining consumers’ perceptions and opinions on using different versions of a FoodFlip© smartphone application for delivery of nutrition information
Notice bibliographique
Résumé
BACKGROUND: Food labelling is a common intervention to improve diets, where the back-of-pack Nutrition Information Panel (or Nutrition Facts table (NFt)) provides comprehensive nutrition information on food packages. However, many consumers find it difficult and time-consuming to identify healthier foods using the NFt. As a result, different interpretative nutrition rating systems (INRS) may enable healthier food choices and it is essential that consumers have the tools to allow for easily accessible nutrition information. The objective of this study was to examine consumers' perceptions of different (INRS) for delivery of nutrition information using different versions of a smartphone app, FoodFlip©. METHODS: This study was part of a larger randomized controlled trial examining consumer perceptions of different INRS on food products. A nationally representative commercial sample of 2008 Canadians were randomized to one of four INRS intervention groups: 1) traffic light, 2) health star rating, 3) 'high-in' warning labels or 4) no INRS (NFt only; control) and asked to scan or enter 20 products into FoodFlip© from a list of food products provided to them with varying levels of healthfulness. After completing the app task, participants were asked a series of 7-point Likert-scale and open-ended questions to provide opinions on the usability and functionality of the app. RESULTS: Of the survey sample of 1997 participants, 95% (n = 1907) completed the app task, with similar number of participants in each treatment group. The mean age was 40 ± 12 years with no differences in sociodemographic characteristics between treatment groups. The health star rating ranked significantly lower in comparison to the other treatment groups in terms of usefulness (OR, 95% CI -0.67, 0.52-0.85), believability (0.59, 0.46-0.75), and understanding (0.55, 0.44-0.71) (p < 0.001). The health star rating (1.20, 0.94-1.53) and control (NFt) (1,1,1) ranked significantly lower than the traffic light or the 'high-in' warning labels for their ability to compare the healthfulness of products (p < 0.001). CONCLUSION: This study demonstrated Canadian consumers' preference for a nutrient-specific system (i.e. traffic light or 'high-in' warning labels). The app, which was liked by majority of the participants for its functionality and usability, has the potential to support healthy dietary decision making and may also encourage reformulation. TRIAL REGISTRATION: NCT03290118 (Clinicaltrials.gov).
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».