MétaCan
Menu
Retour à la cohorte
Enregistrement W4315619463 · doi:10.1371/journal.pone.0279275

Advertising expenditures on child-targeted food and beverage products in two policy environments in Canada in 2016 and 2019

2023· article· en· W4315619463 sur OpenAlexafffundabout
Monique Potvin Kent, Elise Pauzé, Lauren Remedios, David Wu, Julia Soares Guimarães, Adena Pinto, Mariangela Bagnato, Meghan Pritchard, Mary R. L’Abbé, Christine Mulligan, Laura Vergeer, Madyson Weippert

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of TorontoWestern UniversityUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchHealth Canada
Mots-clésPer capitaAdvertisingDigital advertisingBusinessDirect-to-consumer advertisingAgricultural economicsMarketingEconomicsEnvironmental healthMedicinePopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The food industry advertises unhealthy foods intended for children which in turn fosters poor diets. This study characterized advertising expenditures on child-targeted products in Canada and compared these expenditures between Quebec, where commercial advertising to children under 13 is restricted, and the rest of Canada, where food advertising to children is self-regulated. METHODS: Advertising expenditures data for 2016 and 2019 for 57 select food categories and five media channels were licensed from Numerator. Products and brands targeted to children were identified based on their nature and the advertising techniques used to promote them. Advertising expenditures were classified as healthy/unhealthy using Health Canada's nutrient profile model. Expenditures per child capita aged 2-12 years were calculated and expenditures from 2016 were adjusted for inflation. Advertising expenditures were described by media, food category, year, and geographic region. RESULTS: Overall, $57.2 million CAD was spent advertising child-targeted products in Canada in 2019. Television accounted for 77% of expenditures followed by digital media (18%), and the food categories with the highest expenditures were candy/chocolate (30%) and restaurants (16%). The totality of expenditures (99.9%-100%) in both Quebec and the rest of Canada in 2016 and 2019 were considered 'unhealthy'. Across all media channels (excluding digital), advertising expenditures were 9% lower in 2019 versus 2016. Advertising expenditures per capita were 32% lower in Quebec ($9.40/capita) compared to the rest of the country ($13.91/capita). CONCLUSION: In Canada, millions are spent promoting child-targeted products considered inappropriate for advertising to children. While per capita advertising expenditures for these products are lower in Quebec compared to the rest of Canada, they remain high, suggesting that Quebec's commercial advertising restrictions directed to children are likely not sufficiently protecting them from unhealthy food advertising.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,562

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207