Public acceptability of the UK Soft Drinks Industry Levy: repeat cross-sectional analysis of the International Food Policy Study (2017–2019)
Notice bibliographique
Résumé
OBJECTIVES: To determine whether public acceptability, in terms of both support for and perceived effectiveness of, the UK Soft Drinks Industry Levy (SDIL) changed between 4 months prior to, and 8 and 20 months after, implementation. DESIGN: Repeat cross-sectional online survey. SETTING: The UK. PARTICIPANTS: UK respondents to the International Food Policy Study aged 18-64 years who provided information on all variables of interest in November-December 2017 (4 months prior to SDIL implementation), 2018 (8 months after) or 2019 (20 months after; n=10 284). OUTCOME MEASURES: Self-reported support for, and perceived effectiveness of, the SDIL. RESULTS: The adjusted logistic regression model predicted that 70% (95% CI: 68% to 72%) of participants supported the SDIL in 2017, 68% (95% CI: 67% to 70%) in 2018 and 68% (95% CI: 66% to 70%) in 2019. There was no evidence of a difference in support in 2018 vs 2017 (OR: 0.93; 95% CI: 0.81 to 1.05); or in 2019 vs 2017 (OR: 0.90; 95% CI: 0.78 to 1.03). The adjusted logistic regression model predicted that 72% (95% CI: 70% to 74%) of participants perceived the SDIL to be effective in 2017, 67% (95% CI: 65% to 69%) in 2018 and 67% (95% CI: 64% to 69%) in 2019. There was evidence that perceived effectiveness decreased a small amount in 2018 vs 2017 (OR: 0.78; 95% CI: 0.69 to 0.88). The difference in 2019 vs 2017 was similar. CONCLUSIONS: We found high support for the SDIL among UK adults and this did not change between 4 months before implementation and 8 or 20 months after. While perceived effectiveness remained high, there was evidence that this decreased slightly after implementation in 2018, but no further in 2019. Greater understanding of influences on public acceptability of effective structural public health interventions is required.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».