Recall of government healthy eating campaigns by consumers in five countries
Notice bibliographique
Résumé
OBJECTIVE: To examine awareness and recall of healthy eating public education campaigns in five countries. DESIGN: Data were cross-sectional and collected as part of the 2018 International Food Policy Study. Respondents were asked whether they had seen government healthy eating campaigns in the past year; if yes (awareness), they were asked to describe the campaign. Open-ended descriptions were coded to indicate recall of specific campaigns. Logistic models regressed awareness of healthy eating campaigns on participant country, age, sex, ethnicity, education, income adequacy and BMI. Analyses were also stratified by country. SETTING: Online surveys. PARTICIPANTS: Participants were Nielsen panelists aged ≥18 years in Australia, Canada, Mexico, UK and the USA (n 22 463). RESULTS: Odds of campaign awareness were higher in Mexico (50·9 %) than UK (18·2 %), Australia (17·9 %), the USA (13·0 %) and Canada (10·2 %) (P < 0·001). Awareness was also higher in UK and Australia v. Canada and the USA, and the USA v. Canada (P < 0·001). Overall, awareness was higher among males v. females and respondents with medium or high v. low education (P < 0·001 for all). Similar results were found in stratified models, although no sex difference was observed in Australia or UK (P > 0·05), and age was associated with campaign awareness in UK (P < 0·001). Common keywords in all countries included sugar/sugary drinks, fruits and vegetables, and physical activity. The top five campaigns recalled were Chécate, mídete, muévete (Mexico), PrevenIMSS (Mexico), Change4Life (UK), LiveLighter® (Australia), and Actívate, Vive Mejor (Mexico). CONCLUSIONS: In Mexico, UK and Australia, comprehensive campaigns to promote healthy lifestyles appear to have achieved broad, population-level reach.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».