MétaCan
Menu
Retour à la cohorte
Enregistrement W4200226337

Impact of front-of-pack labels on the perceived healthfulness of a sweetened fruit drink: A randomised experiment in five countries

2022· article· en· W4200226337 sur OpenAlexaffabout
Gary Sacks

Notice bibliographique

RevueOwn your potential (DEAKIN) · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversité LavalUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPerceptionMedicineEnvironmental healthNutrition facts labelSample (material)Psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AbstractObjective:Front-of-pack (FOP) nutrition labelling is a globally recommended strategy to encourage healthier food choices. We evaluated the effect of FOP labels on the perceived healthfulness of a sweetened fruit drink in an international sample of adult consumers.Design:Six-arm randomised controlled experiment to examine the impact of FOP labels (no label control, Guideline Daily Amounts (GDA), Multiple Traffic Lights, the Health Star Ratings (HSR), Health Warning Labels, and ‘High-in’ Warning Labels (HIWL)) on the perceived healthfulness of the drink. Linear regression models by country examined healthfulness perceptions on FOP nutrition labels, testing for interactions by demographic characteristics.Setting:Online survey in 2018 among participants from Australia, Canada, Mexico, United Kingdom (UK) and United States.Participants:Adults (≥18 years, n 22 140).Results:Compared with control, HIWL had the greatest impact in lowering perceived healthfulness (β from −0·62 to −1·71) across all countries. The HIWL and the HSR had a similar effect in Australia. Other labels were effective in decreasing the perceived healthfulness of the drink within some countries only, but to a lower extent. The GDA did not reduce perceived healthfulness in most countries. In the UK, the effect of HIWL differed by age group, with greater impact among older participants (> 40 years). There were no other variations across key demographic characteristics.Conclusions:HIWL, which communicates clear, non-quantitative messages about high levels of nutrients of concern, demonstrated the greatest efficacy to decrease the perceived healthfulness of a sweetened fruit drink across countries. This effect was similar across demographic characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,313
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOwn your potential (DEAKIN)Même sujetConsumer Attitudes and Food LabelingTravaux en français237 207