Marketing mortality? Healthy vs. unhealthy food in television advertising
Notice bibliographique
Résumé
Abstract Background Cardiovascular disease has been the leading killer of Americans since the Spanish flu pandemic of 1918, despite recent COVID-19 mortality. During this global pandemic, the social distancing and stay-at-home requests, there was increased television (TV) engagement, and media marketing has become more impactful in modifying consumer behaviors. Purpose We evaluated the healthfulness of food marketing in the United States (US), based on TV commercials most frequently aired on American primetime networks during the COVID-19 pandemic. Methods We reviewed a total of 104 TV commercials between 2020–2021 on network and cable programs dividing them into 4 categories: 1) fast-food chains, 2) brand-recognized individual items, 3) grocery chains, and 4) home-delivery meals. The food items displayed in each commercial were recorded and scored based on the previously validated healthful versus unhealthful nutrition scoring system (Sajita, et al., JACC 2017), assigning either positive or negative values for each food item in the commercial. Results We found that 58% of the commercials advertised food from fast-food chains (mean score = −2.82, indicating an average of nearly 3 more unhealthy items than healthy items per commercial), 27% were brand-recognized individual items (−0.86), 9% were grocery chains (−0.90), and 6% were for home-delivery meals (−0.33), with significant differences noted between fast-food and individual items, home deliveries and grocery chains (each p<0.0001). Conclusions This study demonstrated that commercial TV in the US routinely promotes the consumption of foods that are known in published medical literature to be unhealthy, particularly those underpinning cardiovascular disease and its risk factors. In order to prevent an increase in cardiovascular mortality during and after this global pandemic, we suggest regulation and or legislation to curtail the frequency and/or content of these commercials, and consider a ban on such advertising to children, similar to that previously employed in Canada and the European Union. Funding Acknowledgement Type of funding sources: None.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».