MétaCan
Menu
Retour à la cohorte
Enregistrement W3021353636 · doi:10.3390/nu12051253

The Frequency and Healthfulness of Food and Beverage Advertising in Movie Theatres: A Pilot Study Conducted in the United States and Canada

2020· article· en· W3021353636 sur OpenAlexaffabout
Stanley Wong, Elise Pauzé, Farah Hatoum, Monique Potvin Kent

Notice bibliographique

RevueNutrients · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFood marketingAdvertisingChildhood obesityStatutory lawPsychologyMarketingMedicineBusinessObesityPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The marketing of unhealthy foods and beverages contributes to childhood obesity. In Canada and the United States, these promotions are self-regulated by industry. However, these regulations do not apply to movie theatres, which are frequently visited by children. This pilot study examined the frequency and healthfulness of food advertising in movie theatres in the United States and Canada. A convenience sample of seven movie theatres in both Virginia (US) and Ontario (Canada) were visited once per month for a four-month period. Each month, ads in the movie theatre environment and before the screening of children's movies were assessed. Food ads were categorized as permissible or not permissible for marketing to children using the World Health Organization's European Nutrient Profile Model. There were 1999 food ads in the movie theatre environment in Ontario and 43 food ads identified in the movie theatre environment in Virginia. On average, 8.6 (SD = 3.3) and 2.2 (SD = 0.9) food ads were displayed before children's movies in Ontario and Virginia, respectively. Most or all (97%-100%) food ads identified in Virginia and Ontario were considered not permissible for marketing to children. The results suggest that movie theatre environments should be considered for inclusion in statutory food marketing restrictions in order to protect children's health.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,267
Écart entre enseignants0,239 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetObesity, Physical Activity, DietTravaux en français237 207