Changes in soft drinks purchased by British households associated with the UK soft drinks industry levy: a controlled interrupted time series analysis
Notice bibliographique
Résumé
OBJECTIVE: To determine changes in household purchases of drinks 1 year after implementation of the UK soft drinks industry levy (SDIL). DESIGN: Controlled interrupted time series. PARTICIPANTS: Households reporting their purchasing to a market research company (average weekly n=22 091), March 2014 to March 2019. INTERVENTION: A two-tiered tax levied on soft drinks manufacturers, announced in March 2016 and implemented in April 2018. Drinks with ≥8 g sugar/100 mL (high tier) are taxed at £0.24/L, drinks with ≥5 to <8 g sugar/100 mL (low tier) are taxed at £0.18/L. MAIN OUTCOME MEASURES: Absolute and relative differences in the volume of, and amount of sugar in, soft drinks categories, all soft drinks combined, alcohol and confectionery purchased per household per week 1 year after implementation. RESULTS: In March 2019, compared with the counterfactual, purchased volume of high tier drinks decreased by 140.8 mL (95% CI 104.3 to 177.3 mL) per household per week, equivalent to 37.8% (28.0% to 47.6%), and sugar purchased in these drinks decreased by 16.2 g (13.5 to 18.8 g), or 42.6% (35.6% to 49.6%). Purchases of low tier drinks decreased by 170.5 mL (154.5 to 186.5 mL) or 85.8% (77.8% to 93.9%), with an 11.5 g (9.1 to 13.9 g) reduction in sugar in these drinks, equivalent to 87.8% (69.2% to 106.4%). When all soft drinks were combined irrespective of levy tier or eligibility, the volume of drinks purchased increased by 188.8 mL (30.7 to 346.9 mL) per household per week, or 2.6% (0.4% to 4.7%), but sugar decreased by 8.0 g (2.4 to 13.6 g), or 2.7% (0.8% to 4.5%). Purchases of confectionery and alcoholic drinks did not increase. CONCLUSIONS: Compared with trends before the SDIL was announced, 1 year after implementation, volume of all soft drinks purchased combined increased by 189 mL, or 2.6% per household per week. The amount of sugar in those drinks was 8 g, or 2.7%, lower per household per week. Further studies should determine whether and how apparently small effect sizes translate into health outcomes. TRIAL REGISTRATION NUMBER: ISRCTN18042742.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».