MétaCan
Menu
Retour à la cohorte
Enregistrement W4388893393 · doi:10.1101/2023.11.21.23298789

Decreases in purchases of energy, sodium, sugar, and saturated fat three years after implementation of the Chilean Food Labelling and Marketing Law

2023· preprint· en· W4388893393 sur OpenAlexfundno aff
Lindsey Smith Taillie, Maxime Bercholz, Barry M. Popkin, Natalia Rebolledo, Marcela Reyes, M. Camila Corvalán

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesComisión Nacional de Investigación Científica y TecnológicaInternational Development Research CentreBloomberg Philanthropies
Mots-clésCounterfactual thinkingAdded sugarSugarSaturated fatBusinessAdvertisingNutrientCalorieFood policyAgricultural economicsTrans fatMarketingFood scienceAgricultural scienceEconomicsEnvironmental scienceGeographyMedicinePsychologyChemistryFood securityAgriculture

Résumé

récupéré en direct d'OpenAlex

Abstract Background In 2016, Chile implemented a multi-phase set of policies that mandated warning labels, restricted food marketing to children, and banned school sales of unhealthy foods and beverages. Chile’s law, particularly the warning label component, set the precedent for a rapid global proliferation of similar policies. While our initial evaluation showed policy-linked decreases in purchases of products carrying the warning label, a longer-term evaluation is needed, particularly as later phases of Chile’s law included stricter nutrient thresholds and introduced a daytime ban on advertising of labeled foods for all audiences. The objective is to evaluate changes in purchases of energy, sugar, sodium, and saturated fat purchased after Phase 2 implementation of the Chilean policies. Methods and Findings This before- and after-study used longitudinal data on monthly food and beverage purchases from 2,844 Chilean households (138,391 household-months) from July 1, 2013 until June 30, 2019. Nutrition facts panel data from food and beverage packages were linked at the product level and reviewed by nutritionists. Products were considered to carry the warning label if they contained added sugar, sodium, or saturated fat, and exceeded the final phase nutrient or calorie thresholds (thus would carry the warning label). Using correlated random-effects models and an interrupted time series design, we estimated the nutrient content of food and beverage purchases associated with Phase 1 and Phase 2 compared to a counterfactual scenario based on pre-policy trends. Compared to the counterfactual, we observed significant decreases in purchases of foods and beverages carrying the warning label during Phase 2, including a relative 36.8% reduction in sugar (−30.3 calories, 95% CI −34.5, −26.3), a 23.0% relative reduction in energy (−51.6 calories, 95% CI −60.7, −42.6), a 21.9% relative reduction in sodium (−85.8 mg, 95% CI −105.0, −66.7) and a 15.7% relative reduction in saturated fat (−6.4 calories, 95% CI −8.4, −4.3). Decreases were partially offset by increases in non-labeled purchases, but the net effect shows a significant decrease in total nutrients of concern purchased during Phase 2. Reductions in sugar and energy were driven by beverage purchases, whereas reductions in sodium and saturated fat were driven by foods. The pattern of declines in purchases was similar for households of lower vs. higher socioeconomic status. A key limitation of this study is that the data include only a portion of what Chilean households purchase that, while including important categories impacted by the law, do not cover an entire diet. Conclusions The Chilean policies on food labeling, marketing, and school food sales led to declines in nutrients of concern during a more complete phase of implementation, particularly from foods and drinks carrying the warning label.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,281
Écart entre enseignants0,254 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207