Nutrition-related non-communicable disease and sugar-sweetened beverage policies: a landscape analysis in Kenya
Notice bibliographique
Résumé
Background: The burden of undernutrition is significant in Kenya. Obesity and related non-communicable diseases are also on the increase. Government action to prevent non-communicable diseases is critical. Taxation of sugar-sweetened beverages has been identified as an effective mechanism to address nutrition-related non-communicable diseases, although Kenya is not yet committed to this.Objective: To assess the policy and stakeholder landscape relevant to nutrition related non -communicable diseases and sugar-sweetened beverage taxation in Kenya.Methods: A desk review of evidence and policies related to nutrition related non-communicable diseases and sugar-sweetened beverages was conducted. Data extraction matrices were used for analysis. Key informant interviews were conducted with 10 policy actors. Interviews were thematically analysed to identify enablers of, and barriers to, policy change towards nutrition-sweetened beverage taxation.Results: Although nutrition related non-communicable diseases are recognised as a growing problem in Kenya most food-related policies focus on undernutrition and food security, while underplaying the role of nutrition related non-communicable diseases. Policy development on communicable diseases is multi-sectoral, but implementation is biased towards curative rather than preventive services. An excise tax is charged on soft drinks, but is not specific to sugar-sweetened beverages. Government has competing roles: advocating for industrial growth, such as sugar and food processing industries to foster economic development, yet wanting to control nutrition related non-communicable diseases. There is no national consensus about the dangers posed by sugar-sweetened beverages.Conclusion: Nutrition related non-communicable diseases policies should reflect a continuum of issues, from undernutrition to food security, nutrition transition, and the escalation of nutrition related non-communicable diseases. A local advocacy case for sugar-sweetened beverage taxation has not been made. Public and policy maker education is critical to challenge the prevailing attitudes towards sugar-sweetened beverages and the western diet.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».