The case for developing a cohesive systems approach to research across unhealthy commodity industries
Notice bibliographique
Résumé
OBJECTIVES: Most non-communicable diseases are preventable and largely driven by the consumption of harmful products, such as tobacco, alcohol, gambling and ultra-processed food and drink products, collectively termed unhealthy commodities. This paper explores the links between unhealthy commodity industries (UCIs), analyses the extent of alignment across their corporate political strategies, and proposes a cohesive systems approach to research across UCIs. METHODS: We held an expert consultation on analysing the involvement of UCIs in public health policy, conducted an analysis of business links across UCIs, and employed taxonomies of corporate political activity to collate, compare and illustrate strategies employed by the alcohol, ultra-processed food and drink products, tobacco and gambling industries. RESULTS: There are clear commonalities across UCIs' strategies in shaping evidence, employing narratives and framing techniques, constituency building and policy substitution. There is also consistent evidence of business links between UCIs, as well as complex relationships with government agencies, often allowing UCIs to engage in policy-making forums. This knowledge indicates that the role of all UCIs in public health policy would benefit from a common approach to analysis. This enables the development of a theoretical framework for understanding how UCIs influence the policy process. It highlights the need for a deeper and broader understanding of conflicts of interests and how to avoid them; and a broader conception of what constitutes strong evidence generated by a wider range of research types. CONCLUSION: UCIs employ shared strategies to shape public health policy, protecting business interests, and thereby contributing to the perpetuation of non-communicable diseases. A cohesive systems approach to research across UCIs is required to deepen shared understanding of this complex and interconnected area and also to inform a more effective and coherent response.
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 | 0,361 | 0,211 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,025 | 0,014 |
| Études des sciences et des technologies | 0,017 | 0,136 |
| Communication savante | 0,047 | 0,060 |
| Science ouverte | 0,012 | 0,040 |
| Intégrité de la recherche | 0,017 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».