Using nutritional survey data to inform the design of sugar-sweetened beverage taxes in low-resource contexts: a cross-sectional analysis based on data from an adult Caribbean population
Notice bibliographique
Résumé
OBJECTIVE: Sugar-sweetened beverage (SSB) taxes have been implemented widely. We aimed to use a pre-existing nutritional survey data to inform SSB tax design by assessing: (1) baseline consumption of SSBs and SSB-derived free sugars, (2) the percentage of SSB-derived free sugars that would be covered by a tax and (3) the extent to which a tax would differentiate between high-sugar SSBs and low-sugar SSBs. We evaluated these three considerations using pre-existing nutritional survey data in a developing economy setting. METHODS: We used data from a nationally representative cross-sectional survey in Barbados (2012-2013, prior to SSB tax implementation). Data were available on 334 adults (25-64 years) who completed two non-consecutive 24-hour dietary recalls. We estimated the prevalence of SSB consumption and its contribution to total energy intake, overall and stratified by taxable status. We assessed the percentage of SSB-derived free sugars subject to the tax and identified the consumption-weighted sugar concentration of SSBs, stratified by taxable status. FINDINGS: Accounting for sampling probability, 88.8% of adults (95% CI 85.1 to 92.5) reported SSB consumption, with a geometric mean of 2.4 servings/day (±2 SD, 0.6, 9.2) among SSB consumers. Sixty percent (95% CI 54.6 to 65.4) of SSB-derived free sugars would be subject to the tax. The tax did not clearly differentiate between high-sugar beverages and low-sugar beverages. CONCLUSION: Given high SSB consumption, targeting SSBs was a sensible strategy in this setting. A substantial percentage of free sugars from SSBs were not covered by the tax, reducing possible health benefits. The considerations proposed here may help policymakers to design more effective SSB taxes.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».