MétaCan
Menu
Retour à la cohorte
Enregistrement W4390097035 · doi:10.1016/j.foodpol.2023.102587

The food and beverage marketing monitoring framework for Canada: Development, implementation, and gaps

2023· article· en· W4390097035 sur OpenAlexafffundabout
Monique Potvin Kent, Christine Mulligan, Elise Pauzé, Adena Pinto, Lauren Remedios

Notice bibliographique

RevueFood Policy · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchHealth Canada
Mots-clésMarketingBusinessFood marketingSocial marketingScope (computer science)PopulationConsumption (sociology)Product (mathematics)Environmental healthMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

As many countries are considering the restriction of marketing to children for unhealthy foods and beverages to improve population health, systematic monitoring of this marketing to inform and evaluate policies is critical. The objective of this research was to develop and describe the Food and Beverage Marketing Monitoring Framework for Canada, a framework commissioned by Health Canada to help guide their monitoring efforts. Following a literature review and expert consultation, the questions to be answered by the framework, the frequency and scope of monitoring activities, the short-/long- term outcome indicators and the methodologies to be employed were determined. The resulting Framework aims to assess the frequency and power of food marketing in various media and settings and monitor children and adolescents’ exposure to food marketing, food company practices, and changes in children’s attitudes, behaviours, and health. It proposes that monitoring occur annually in six regions across Canada. Considering probable budget constraints and research capacity, television, digital media, schools, convenience stores, packaging and children’s sport/event sponsorship were identified as priority media/settings. Short- and long-term outcomes include: food marketing (e.g., advertising rate, marketing technique use), company-level (e.g., ad expenditures, product reformulation) and behavioral/health indicators (e.g., children’s marketing awareness and recall, food requests and consumption). While significant efforts have been made in monitoring food marketing in Canada via the implementation of the Framework into the Health Canada M2K Monitoring Strategy, gaps remain (e.g., within diverse sociodemographic groups). The Framework can be leveraged to inform policy in Canada and the development process and content of the Framework could be adapted and implemented for global use.

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)0,082
score de la tête « metaresearch » (Gemma)0,082
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,287
Score d'incertitude au seuil0,827

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,082
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0170,024
Études des sciences et des technologies0,0110,007
Communication savante0,0150,006
Science ouverte0,0080,008
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,026
Tête enseignante GPT0,328
Écart entre enseignants0,302 · 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

Citations6
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFood PolicyMême sujetObesity, Physical Activity, DietTravaux en français237 207