MétaCan
Menu
Retour à la cohorte
Enregistrement W3013478305 · doi:10.1186/s12992-020-0542-2

Government policy and agricultural production: a scoping review to inform research and policy on healthy agricultural commodities

2020· review· en· W3013478305 sur OpenAlexaff
Raphael Lencucha, Nicole E. Pal, Adriana Appau, Anne Marie Thow, Jeffrey Drope

Notice bibliographique

RevueGlobalization and Health · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensMcGill UniversityPolicyWise for Children & FamiliesMcGill University Health Centre
Organismes subventionnairesNational Cancer InstituteNIH Office of the DirectorNational Institute on Drug AbuseFogarty International CenterNational Institutes of Health
Mots-clésAgricultureSocial policyGovernment (linguistics)Agricultural policyAgricultural productivityPublic policyProduction (economics)Quality of Life ResearchHealth services researchPublic healthHealth policyBusinessPublic economicsAgricultural economicsEconomic growthEconomicsMedicineHealth careGeography

Résumé

récupéré en direct d'OpenAlex

Unhealthy foods and tobacco remain the leading causes of non-communicable disease (NCDs). These are key agricultural commodities for many countries, and NCD prevention policy needs to consider how to influence production towards healthier options. There has been little scholarship to bridge the agriculture with the public health literature that seeks to address the supply of healthy commodities. This scoping review synthesizes the literature on government agricultural policy and production in order to 1) present a typology of policies used to influence agricultural production, 2) to provide a preliminary overview of the ways that impact is assessed in this literature, and 3) to bring this literature into conversation with the literature on food and tobacco supply.This review analyzes the literature on government agricultural policy and production. Articles written in English and published between January 1997 and April 2018 (20-year range) were included. Only quantitative evaluations were included. Studies that collected qualitative data to supplement the quantitative analysis were also included. One hundred and three articles were included for data extraction. The following information was extracted: article details (e.g., author, title, journal), policy details (e.g., policy tools, goals, context), methods used to evaluate the policy (e.g., outcomes evaluated, sample size, limitations), and study findings. Fifty four studies examined the impact of policy on agricultural production. The remaining articles assessed land allocation (n = 25) (e.g., crop diversification, acreage expansion), efficiency (n = 23), rates of employment including on- and off-farm employment (n = 18), and farm income (n = 17) among others. Input supports, output supports and technical support had an impact on production, income and other outcomes. Although there were important exceptions, largely attributed to farm level allocation of labour or resources. Financial supports were most commonly evaluated including cash subsidies, credit, and tax benefits. This type of support resulted in an equal number of studies reporting increased production as those with no effects.This review provides initial extrapolative insights from the general literature on the impact of government policies on agricultural production. This review can inform dialogue between the health and agricultural sector and evaluative research on policy for alternatives to tobacco production and unhealthy food supply.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,068
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0200,027
Études des sciences et des technologies0,0020,002
Communication savante0,0080,008
Science ouverte0,0020,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,434
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations144
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobalization and HealthMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207