Did the sweetness of beverages change with the Chilean Food Labeling and Marketing Law? A before and after study
Notice bibliographique
Résumé
There has been a rapid proliferation of policies around the globe to reduce sugar consumption, yet there is little understanding as to whether these policies have led to changes in the overall sweetness of products, which is essential for understanding long-term effects on food preferences and intake. For example, the implementation of Chile’s Law on Food Labeling and Advertising led to decreases in the sugar content of non-alcoholic packaged beverages and increases in non-nutritive sweeteners (NNS) use in these beverages. Given that NNS have greater sweetness intensity than sugars, it is unclear what was the net effect of these changes on the sweetness of purchased beverages. Using longitudinal household purchase data ( n > 2,000 households), we measured the changes in the sweetness of beverage purchases after implementing the first phase of the Chilean law and examine if there were differences by key family sociodemographic variables. We developed three sweetness indices: (1) NNS sweetness, including the sweetness of the six NNS most consumed by Chileans; (2) total sugars sweetness, including the sweetness from total sugars; and (3) total sweetness, combining the sweetness from NNS and sugars. Using fixed-effects models, we compared the observed post-law purchases to a counterfactual based on pre-law trends. We found that NNS sweetness increased relative to the counterfactual, while total sugars sweetness decreased after the law. However, the absolute changes in NNS sweetness were almost entirely offset by the decreases in total sugar sweetness, leading to no change in the total sweetness of beverage purchases. Additionally, there were no differences in the sweetness changes by family sociodemographics. Our findings indicate that Chilean consumers are exposed to similar sweetness levels in their beverages after the law. Future research should explore whether sweetness also remained consistent in dietary intake.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».