The effectiveness of food system policies to improve nutrition, nutrition-related inequalities and environmental sustainability: a scoping review
Notice bibliographique
Résumé
Abstract A global transformation of food systems is needed, given their impact on the three interconnected pandemics of undernutrition, obesity and climate change. A scoping review was conducted to synthesise the effectiveness of food system policies/interventions to improve nutrition, nutrition inequalities and environmental sustainability, and to identify double- or triple-duty potentials (their effectiveness tackling simultaneously two or all of these outcomes). When available, their effects on nutritional vulnerabilities and women’s empowerment were described. The policies/interventions studied were derived from a compilation of international recommendations. The literature search was conducted according to the PRISMA extension for scoping reviews. A total of 196 reviews were included in the analysis. The triple-duty interventions identified were sustainable agriculture practices and school food programmes. Labelling, reformulation, in-store nudging interventions and fiscal measures showed double-duty potential across outcomes. Labelling also incentivises food reformulation by the industry. Some interventions (i.e., school food programmes, reformulation, fiscal measures) reduce socio-economic differences in diets, whereas labelling may be more effective among women and higher socio-economic groups. A trade-off identified was that healthy food provision interventions may increase food waste. Overall, multi-component interventions were found to be the most effective to improve nutrition and inequalities. Policies combining nutrition and environmental sustainability objectives are few and mainly of the information type (i.e., labelling). Little evidence is available on the policies/interventions’ effect on environmental sustainability and women’s empowerment. Current research fails to provide good-quality evidence on food systems policies/interventions, in particular in the food supply chains domain. Research to fill this knowledge gap is needed.
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 | 0,023 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».