MétaCan
Menu
Retour à la cohorte
Enregistrement W3092441744 · doi:10.1016/s2542-5196(20)30202-3

Effect of restricted retail merchandising of discretionary food and beverages on population diet: a pragmatic randomised controlled trial

2020· article· en· W3092441744 sur OpenAlexafffund
Julie Brimblecombe, Emma McMahon, Megan Ferguson, Khia De Silva, Anna Peeters, Edward W. Miles, Thomas P. Wycherley, Leia Minaker, Luke Greenacre, Anthony Gunther, Emma Chappell, Mark D. Chatfield, Catherine L. Mah

Notice bibliographique

RevueThe Lancet Planetary Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensDalhousie UniversityPublic Health OntarioUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesMedical Research CouncilNational Health and Medical Research CouncilCanada Research ChairsDeakin UniversityMenzies School of Health Research
Mots-clésMedicineRandomized controlled trialPopulationPromotion (chess)General partnershipEnvironmental healthMarketingAdvertisingBusinessFinanceSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The effectiveness of healthy food promotion on food and beverage sales in real-world food retail settings has been shown in randomised trials. The effectiveness of restrictions on the promotion of unhealthy food is, however, less clear. We aimed to assess the effect of restricted unhealthy food promotion, specifically those items contributing most to free sugar sales, on food and beverage sales. METHODS: In this community-level pragmatic, partially randomised, parallel group trial, stores were randomly assigned by a statistician using a single sequence of random assignments to the intervention group, in which a co-designed strategy restricted merchandising of unhealthy food, or to a control group of usual retail practice. The trial was done in partnership with an organisation operating 25 stores in remote Australia. The primary analysis was based on difference in weekly sales with the strategy compared with no strategy in free sugar from all foods and beverages (g/total MJ; primary outcome), targeted food or beverages (weight and free sugars; g/total MJ), and gross profit (AU$) using mixed models. This trial is registered with the Australian New Zealand Clinical Trials Registry, ACTRN12618001588280. FINDINGS: Between June 13 and Aug 15, 2018, 20 stores were recruited; ten stores were randomly assigned to the intervention group and ten stores to the control group. The trial was done between Sept 2 and Dec 2, 2018. The Healthy Stores 2020 strategy resulted in a reduction in sales of free sugar of 2·8% (95% CI -4·9 to -0·7). Targeted beverages were reduced by 8·4% (-12·3 to -4·3) and associated free sugar by 6·8% (-10·9 to -2·6), sugar-sweetened soft drinks by 13·2% (-18·5 to -7·6), and associated free sugar by 13·4% (-18·7 to -7·7). Reductions in sales of free sugar from confectionery of 7·5% (-14·3 to -0·2) and in weight sold (-4·6%, -11·1 to 2·3) resulted; however, the reduction in weight was not statistically significant. No differences in sales of table sugar and sweet biscuits were observed. Gross profit was not impacted adversely; a small increase resulted (5·3%, 0·3 to 10·5). INTERPRETATION: Restricted merchandising of unhealthy foods and beverages, while allowing for complementary merchandising of healthier foods and beverages in a real-world store setting and co-designed with retailers, can achieve both public health and business relevant gains. FUNDING: Australian National Health and Medical Research Council.

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)0,011
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,023
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0070,005
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,027
Tête enseignante GPT0,295
Écart entre enseignants0,267 · 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'étudeEssai randomisé
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

Citations93
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary HealthMême sujetObesity, Physical Activity, DietTravaux en français237 207