Sugar sweetened beverages attributable disease burden and the potential impact of policy interventions: a systematic review of epidemiological and decision models
Notice bibliographique
Résumé
BACKGROUND: Around 184,000 deaths per year could be attributable to sugar-sweetened beverages (SSBs) consumption worldwide. Epidemiological and decision models are important tools to estimate disease burden. The purpose of this study was to identify models to assess the burden of diseases attributable to SSBs consumption or the potential impact of health interventions. METHODS: We carried out a systematic review and literature search up to August 2018. Pairs of reviewers independently selected, extracted, and assessed the quality of the included studies through an exhaustive description of each model's features. Discrepancies were solved by consensus. The inclusion criteria were epidemiological or decision models evaluating SSBs health interventions or policies, and descriptive SSBs studies of decision models. Studies published before 2003, cost of illness studies and economic evaluations based on individual patient data were excluded. RESULTS: We identified a total of 2766 references. Out of the 40 included studies, 45% were models specifically developed to address SSBs, 82.5% were conducted in high-income countries and 57.5% considered a health system perspective. The most common model's outcomes were obesity/overweight (82.5%), diabetes (72.5%), cardiovascular disease (60%), mortality (52.5%), direct medical costs (57.35%), and healthy years -DALYs/QALYs- (40%) attributable to SSBs. 67.5% of the studies modelled the effect of SSBs on the outcomes either entirely through BMI or through BMI plus diabetes independently. Models were usually populated with inputs from national surveys -such us obesity prevalence, SSBs consumption-; and vital statistics (67.5%). Only 55% reported results by gender and 40% included children; 30% presented results by income level, and 25% by selected vulnerable groups. Most of the models evaluated at least one policy intervention to reduce SSBs consumption (92.5%), taxes being the most frequent strategy (75%). CONCLUSIONS: There is a wide range of modelling approaches of different complexity and information requirements to evaluate the burden of disease attributable to SSBs. Most of them take into account the impact on obesity, diabetes and cardiovascular disease, mortality, and economic impact. Incorporating these tools to different countries could result in useful information for decision makers and the general population to promote a deeper implementation of policies to reduce SSBs consumption. PROSPERO PROTOCOL NUMBER: CRD42020121025 .
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 | 0,038 | 0,147 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,022 |
| Bibliométrie | 0,018 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».