Estimating the lagged effect of price discounting: a time-series study on sugar sweetened beverage purchasing in a supermarket
Notice bibliographique
Résumé
BACKGROUND: Price discount is an unregulated obesogenic environmental risk factor for the purchasing of unhealthy food, including Sugar Sweetened Beverages (SSB). Sales of price discounted food items are known to increase during the period of discounting. However, the presence and extent of the lagged effect of discounting, a sustained level of sales after discounting ends, is previously unaccounted for. We investigated the presence of the lagged effect of discounting on the sales of five SSB categories, which are soda, fruit juice, sport and energy drink, sugar-sweetened coffee and tea, and sugar-sweetened drinkable yogurt. METHODS: We fitted distributed lag models to weekly volume-standardized sales and percent discounting generated by a supermarket in Montreal, Canada between January 2008 and December 2013, inclusive (n = 311 weeks). RESULTS: While the sales of SSB increased during the period of discounting, there was no evidence of a prominent lagged effect of discounting in four of the five SSB; the exception was sports and energy drinks, where a posterior mean of 28,459 servings (95% credible interval: 2661 to 67,253) of excess sales can be attributed to the lagged effect in the target store during the 6 years study period. CONCLUSION: Our results indicate that studies that do not account for the lagged effect of promotions may not fully capture the effect of price discounting for some food categories.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».