Public support for food policies in Mexican adults: Findings from the International Food Policy Study, 2017–2021
Notice bibliographique
Résumé
Deaths attributable to unhealthful eating underscore the need to improve dietary patterns through upstream, policy-led solutions. The approval and successful implementation of food policies is partly determined by their public acceptance. Little is known about public support for food policies in Mexico. We aimed to investigate the level of public support for 30 food policies, grouped into 5 domains, and their associated characteristics among Mexican adults. Data are from the 2017-2021 International Food Policy Study (IFPS), a cross-sectional web-based survey of adults. Differences in public support across years were estimated using linear regression models. The association between demographic characteristics and policy support was analyzed using multivariate logistic regression models. The highest mean support was for the subsidies and benefits domain, followed by the labelling and reformulation domain. The level of support varied across years and policy domains. Support was higher in 2019 compared to 2017 and 2018, and subsequently lower in 2020 and 2021 compared to previous years. Older age was associated with greater support across all domains (OR ranged from 0.002 to 0.004, p < 0.01). Female participants and those selfidentifying as indigenous showed greater support for certain policy domains, whereas higher income adequacy was associated with lower support for other policy domains. In Mexico, support for food policies varies across subpopulations. Our findings may serve as a guide to the development and promotion of food policies in Mexico, as well as to improve their feasibility and success.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».