Efficacy of “High in” Nutrient Specific Front of Package Labels—A Retail Experiment with Canadians of Varying Health Literacy Levels
Notice bibliographique
Résumé
BACKGROUND: In 2018, Health Canada, the Federal department responsible for public health, put forward a regulatory proposal to introduce regulations requiring a "High in" front-of-package label (FOPL) on foods that exceed predetermined thresholds for sodium, sugars, or saturated fat. This study evaluated the efficacy of the proposed FOPL as a quick and easy tool for making food choices that support reduction in the intakes of these nutrients. METHODS: = 625) of varying health literacy levels (HL) were assigned to control (current labeling with no FOPL) or one of four FOPL designs. They completed six shopping tasks, designed to control for internal motivations. Efficacy was measured with correct product selection and response time (seconds) to make food choices using repeated measures statistical modeling, adjusting for HL, task type, and task order. Eye-tracking and structured interviews were used to gather additional insights about participants' choices. RESULTS: Overall, FOPL was significantly more effective than current labeling at helping consumers of varying HL levels to identify foods high in nutrients of concern and make healthier food choices. All FOPL were equally effective. CONCLUSIONS: "High in" FOPL can be effective at helping Canadians of varying HL levels make more informed food choices in relation to sugars, sodium, and saturated fat.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».