Unhealthy food advertising on Costa Rican and Guatemalan television: a comparative study
Notice bibliographique
Résumé
This study aimed to exhaustively explore the characteristics of food advertising on TV in Guatemala and Costa Rica. The International Network for Food and Obesity Non-Communicable Diseases (NCDs) Research, Monitoring and Action Support (INFORMAS) methodology was applied. In 2016, we recorded 1440 h of video among 10 TV channels. We used the Pan American Health Organization (PAHO) Nutrient Profile (NP) Model to identify 'critical nutrients', whose excessive consumption is associated with NCDs. We created a nutritional quality score (0 if the product did not exceed any critical nutrient, 1 if the product exceeded one and 2 if it exceeded ≥2). We classified food ads as permitted (score = 0) and not-permitted (score 1 or 2) for marketing. Persuasive marketing techniques were classified as promotional characters (e.g. Batman), premium offers (e.g. toys), brand benefit claims (e.g. tasty) and health-related claims (e.g. nutritious). In Guatemala, foods that exceeded one critical nutrient were more likely to use persuasive marketing techniques, and in Costa Rica were those with an excess of ≥2 critical nutrients, compared with foods without any excess in critical nutrients [Guatemala: promotional characters (odds ratio, OR = 16.6, 95% confidence interval, CI: 5.8, 47.3), premium offers (OR = 3.4, 95% CI: 1.4, 8.2) and health-related claims (OR = 3.5, 95% CI: 2.2, 5.7); Costa Rica: health-related claims (OR = 4.2, 95% CI: 2.0, 8.5)]. In conclusion, Guatemalan and Costa Rican children are exposed to an overabundance of not-permitted food ads on TV. This justifies implementing national policies to reduce exposure to not-permitted food for marketing, including on TV and other media.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».