Examining differences in children and adolescents' exposure to food and beverage marketing in Canada by sociodemographic characteristics: Findings from the International Food Policy Study Youth Survey, 2020
Notice bibliographique
Résumé
BACKGROUND: Many countries, including Canada, are considering regulations to restrict food and beverage marketing to children. However, little evidence is available outside of the US on how marketing exposure differs across sociodemographic subgroups. OBJECTIVE: To investigate potential associations between child and adolescent sociodemographic characteristics and exposure to food and beverage marketing in Canada. METHODS: Participants (n = 3780) aged 10-17 self-reported exposure to food and beverage marketing across food categories, locations and marketing techniques. Logistic regression models tested relationships between sociodemographics (age, sex, ethnicity and income adequacy) and marketing exposure. RESULTS: Among other differences identified, 13-17 years old were more likely than 10-12 years old to report seeing unhealthy food marketing online. Girls were more likely than boys to see such marketing online and in retail settings, while boys were more likely to see it in video games. Minority ethnicities (including Indigenous youth) and respondents with lower income adequacy generally reported more exposure than White and higher income respondents, respectively. CONCLUSIONS: This study highlights important differences in marketing exposure among youth of different sociodemographic groups in Canada, including greater exposure to marketing among those most disadvantaged and emphasizes the essential need to consider food marketing across equity groups when developing restrictions on marketing to kids.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».