Adolescents’ perspectives on soft drinks after the introduction of the UK Soft Drinks Industry Levy: A focus group study using reflexive thematic analysis
Notice bibliographique
Résumé
BACKGROUND: The UK Soft Drinks Industry Levy (SDIL), announced in March 2016 and implemented in April 2018, is a fiscal policy to incentivise reformulation of eligible soft drinks. We aimed to explore perceptions of sugar, sugary drinks and the SDIL among adolescents in the UK post-implementation. METHODS: 23 adolescents aged 11-14 years participated in four focus groups in 2018-2019. A semi-structured topic guide elicited relevant perspectives and included a group task to rank a selection of UK soft drinks based on their sugar content. Braun and Clarke's reflexive thematic analysis was used to undertake inductive analysis. RESULTS: Four main themes were present: 1) Sweetened drinks are bad for you, but some are worse than others; 2) Awareness of the SDIL and ambivalence towards it 3) The influence of drinks marketing: value, pricing, and branding; 4) Openness to population-level interventions. Young people had knowledge of the health implications of excess sugar consumption, which did not always translate to their own consumption. Ambivalence and a mixed awareness surrounding the SDIL was also present. Marketing and parental and school restriction influenced their consumption patterns, as did taste, enjoyment and consuming drinks for functional purposes (e.g., to give them energy). Openness to future population-level interventions to limit consumption was also present. CONCLUSIONS: Our findings suggest that adolescents are accepting of interventions that require little effort from young people in order to reduce their sugar consumption. Further education-based interventions are likely to be unhelpful, in contexts where adolescents understand the negative consequences of excess sugar and SSB consumption.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».