Barriers and enablers in designing regulations to restrict the exposure of children to unhealthy food and beverage marketing
Notice bibliographique
Résumé
Background The insidious and pervasive nature of marketing of unhealthy food and beverages has been identified as one of several strategies the unhealthy food and beverage industry uses to exert their influence on population food choices and diet. Regulating the food and beverage industry's marketing practices is one mechanism to mitigate this commercial determinant of health. This paper seeks to understand the main barriers and enablers that governments face when attempting to design an appropriate regulatory system. Methods 14 semi-structured expert interviews were undertaken with participants across different jurisdictions (Ireland, United Kingdom, Chile, Canada, Norway, Portugal and Brazil) who were involved in introducing marketing restrictions; and a purposive documentary analysis was carried out. A thematic analysis of this data was conducted informed by the Health Policy Triangle. Results Multiple common technical and political issues were experienced by governments regarding the form and substance of the policy design regardless of the jurisdictional context. Such issues included: whether to introduce a mandatory approach; what age group to protect; what nutrient classification system to use; how to define “marketing to children”; and what mediums, settings and techniques to cover. The actors opposing regulation challenged the form and substance of each design element. However, having a strong political mandate to introduce regulation; multiple actors working together, including multiple government ministries, academics and civil society actors; and a strong evidence base supporting the policy design helped policymakers navigate the technical and political challenges faced when designing the regulatory approach. Conclusion Despite the different political contexts and actors involved in different jurisdictions internationally, there are many commonalities in the challenges and enabling factors faced by governments. Understanding the technical and political challenges experienced by governments and how these governments overcame those challenges is critical to improve capacity around designing more effective regulations to improve population's diets, and therefore NCDs.
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 | 0,114 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».