Sugar-sweetened beverage purchases in urban Peru before the implementation of taxation and warning label policies: a baseline study
Notice bibliographique
Résumé
BACKGROUND: Sugar-sweetened beverage consumption is associated with obesity and chronic disease. In 2018, Peru increased the tax on high-sugar beverages (≥6 g of sugar per 100 mL) from 17 to 25%, yet little is known about pre-existing beverage trends or demographic characteristics associated with purchases in the country. The aim of this study was to explore beverage purchasing trends from 2016 to 2017 and examine variation in purchase volume by sociodemographic characteristics among urban households in Peru. METHODS: This study used monthly household purchase data from a panel of 5145 households from January 2016-December 2017 from Kantar WorldPanel Peru. Beverage purchases were categorized by type and tax status under the 2018 regulation (untaxed, lower-sugar taxed, high-sugar taxed). To assess beverage purchasing trends, per-capita volume purchases were regressed on a linear time trend, with month dummies for seasonality and clustered standard errors. Mean volume purchases by beverage tax status (total liters purchased per month), overall and by key demographic characteristics (education, socioeconomic status, and geographic region), were calculated. Mean volume by beverage type was assessed to identify the largest contributors to total beverage volume. RESULTS: The trends analysis showed a decline in total beverage volume of - 52 mL/capita/month (95% CI: - 72, - 32) during the 24-month study period. Over 99% of households purchased untaxed beverages in a month, while > 92% purchased high-sugar taxed beverages. Less than half of all households purchased low-sugar taxed beverages in a month and purchase volume was low (0.3 L/capita/month). Untaxed beverage purchases averaged 9.4 L/capita/month, while households purchased 2.8 L/capita/month of high-sugar taxed beverages in 2017. Across tax categories, volume purchases were largest in the high education and high socioeconomic (SES) groups, with substantial variation by geographic region. The highest volume taxed beverage was soda (2.3 L/capita/month), while the highest volume untaxed beverages were milk and bottled water (1.9 and 1.7 L/capita/month, respectively). CONCLUSIONS: Nearly all households purchased high-sugar taxed beverages, although volume purchases of taxed and untaxed beverages declined slightly from 2016 to 2017. Households with high SES and high education purchased the highest volume of taxed beverages, highlighting the need to consider possible differential impacts of the tax policy change by sub-population groups.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».