MétaCan
Menu
Retour à la cohorte
Enregistrement W4378189945 · doi:10.1186/s12966-023-01454-w

Restricting child-directed ads is effective, but adding a time-based ban is better: evaluating a multi-phase regulation to protect children from unhealthy food marketing on television

2023· article· en· W4378189945 sur OpenAlexfundno aff
Francesca R. Dillman Carpentier, Fernanda Mediano Stoltze, Marcela Reyes, Lindsey Smith Taillie, Camila Corvalán, Teresa Correa

Notice bibliographique

RevueInternational Journal of Behavioral Nutrition and Physical Activity · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesFondo Nacional de Desarrollo Científico y TecnológicoInternational Development Research CentreBloomberg Philanthropies
Mots-clésUnhealthy foodAdvertisingEnvironmental healthBusinessMedicineToxicologyObesityBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As childhood obesity rates continue to rise, health organizations have called for regulations that protect children from exposure to unhealthy food marketing. In this study, we evaluate the impact of child-based versus time-based restrictions of "high-in" food and beverage advertising in Chile, which first restricted the placement of "high-in" advertisements (ads) in television attracting children and the use of child-directed content in high-in ads and, second, banned high-in ads from 6am-10pm. "High-in" refers to products above regulation-defined thresholds in energy, saturated fats, sugars, and/or sodium. High-in advertising prevalence and children's exposure to high-in advertising are assessed. METHODS: We analyzed a random stratified sample of advertising from two constructed weeks of television at pre-regulation (2016), after Phase 1 child-based advertising restrictions (2017, 2018), and after the Phase 2 addition of a 6am-10pm high-in advertising ban (2019). High-in ad prevalence in post-regulation years were compared to prior years to assess changes in prevalence. We also analyzed television ratings data for the 4-12 year-old child audience to estimate children's ad exposure. RESULTS: Compared to pre-regulation, high-in ads decreased after Phase 1 (2017) by 42% across television (41% between 6am-10pm, 44% from 10pm-12am) and 29% in programs attracting children (P < 0.01). High-in ads further decreased after Phase 2, reaching a 64% drop from pre-regulation across television (66% between 6am-10pm, 56% from 10pm-12am) and a 77% drop in programs attracting children (P < 0.01). High-in ads with child-directed ad content also dropped across television in Phase 1 (by 41%) and Phase 2 (by 67%), compared to pre-regulation (P < 0.01). Except for high-in ads from 10pm-12am, decreases in high-in ads between Phase 1 (2018) and Phase 2 were significant (P < 0.01). Children's high-in ad exposure decreased by 57% after Phase 1 and by 73% after Phase 2 (P < 0.001), compared to pre-regulation. CONCLUSIONS: Chile's regulation most effectively reduced children's exposure to unhealthy food marketing with combined child-based and time-based restrictions. Challenges remain with compliance and limits in the regulation, as high-in ads were not eliminated from television. Yet, having a 6am-10pm ban is clearly critical for maximizing the design and implementation of policies that protect children from unhealthy food marketing.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,041
Tête enseignante GPT0,386
Écart entre enseignants0,345 · 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

Citations34
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral Nutrition and Physical ActivityMême sujetObesity, Physical Activity, DietTravaux en français237 207