Fiscal policies and regulations for healthy diets in Sri Lanka: an analysis of the political economy of taxation and traffic light labelling for sugar-sweetened beverages
Notice bibliographique
Résumé
BACKGROUND: Unhealthy dietary patterns significantly contribute to rising non-communicable diseases (NCDs) in Sri Lanka. The government has implemented policy measures to promote healthy dietary patterns, including the traffic light labelling (TLL) system for sugar-sweetened beverages (SSBs) in 2016 and taxation on SSBs in 2017. OBJECTIVES: To analyse how ideas, institutions, and power dynamics influence the formulation and implementation of these two interventions, and to identify strategies for public health actors to advocate for more effective food environment policies in Sri Lanka. METHODS: This study drew on Kingdon's theory of agenda-setting and Campbell's institutionalist approach to develop the theoretical framework. We examined the political economy at the policy development and implementation stages, adopting a deductive framework approach for data collection and analysis. Data were collected from documents and key informants. RESULTS: NCDs and nutrition are recognised and framed as important policy issues in health-sector policy documents, and the SSB tax and TLL system are seen as means of improving diets and health. Sri Lanka's commitment to addressing NCDs and nutrition-related issues is evident through these policies. The Ministry of Health led policy development, and key stakeholders were involved. However, there are opportunities to learn and strengthen policy in Sri Lanka and elsewhere. Limited involvement and commitment of some stakeholders in developing national policies, industry interferences, and other gaps resulted in weaker policy design. Gender considerations were also given minimal attention in policy formulation and implementation. CONCLUSIONS: To enhance the effectiveness of the policies and regulations to promote healthy diets in Sri Lanka, comprehensive policy coverage, multistakeholder involvement and commitment to national policies, balanced power dynamics, technical feasibility, government commitment backed with high-level political support, awareness, and knowledge creation, managing industry interferences, integrating gender considerations are crucial factors.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».