MétaCan
Menu
Retour à la cohorte
Enregistrement W4402917648 · doi:10.1371/journal.pmed.1004463

Decreases in purchases of energy, sodium, sugar, and saturated fat 3 years after implementation of the Chilean food labeling and marketing law: An interrupted time series analysis

2024· article· en· W4402917648 sur OpenAlexfundno aff
Lindsey Smith Taillie, Maxime Bercholz, Barry M. Popkin, Natalia Rebolledo, Marcela Reyes, Camila Corvalán

Notice bibliographique

RevuePLoS Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesInternational Development Research CentreBloomberg Philanthropies
Mots-clésAdded sugarCounterfactual thinkingSaturated fatSugarNutrientCalorieFood scienceBusinessAgricultural economicsEnvironmental healthFood marketingFood policyAdvertisingEconomicsMedicineGeographyAgriculturePsychologyFood securityBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2016, Chile implemented a multiphase set of policies that mandated warning labels, restricted food marketing to children, and banned school sales of foods and beverages high in nutrients of concern ("high-in" foods). 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 high-in, 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 high-in 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 interrupted time series 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 25, 2019. Nutrition facts panel data from food and beverage packages were linked at the product level and reviewed by nutritionists. Products were considered "high-in" if they contained added sugar, sodium, or saturated fat and exceeded nutrient or calorie thresholds. 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 trends during a 36-month pre-policy timeframe. Compared to the counterfactual, we observed significant decreases in high-in purchases of foods and beverages during Phase 2, including a relative 36.8% reduction in sugar (-30.4 calories/capita/day, 95% CI -34.5, -26.3), a 23.0% relative reduction in energy (-51.6 calories/capita/day, 95% CI -60.7, -42.6), a 21.9% relative reduction in sodium (-85.8 mg/capita/day, 95% CI -105.0, -66.7), and a 15.7% relative reduction in saturated fat (-6.4 calories/capita/day, 95% CI -8.4, -4.3), while purchases of not-high-in foods and drinks increased. Reductions in sugar and energy purchases were driven by beverage purchases, whereas reductions in sodium and saturated fat were driven by foods. Compared to the counterfactual, changes in both high-in purchases and not high-in purchases observed in Phase 2 tended to be larger than changes observed in Phase 1. The pattern of changes in purchases was similar for households of lower versus higher socioeconomic status. A limitation of this study is that some results were sensitive to the use of shorter pre-policy time frames. CONCLUSIONS: Compared to a counterfactual based on a 36-month pre-policy timeframe, Chilean policies on food labeling, marketing, and school food sales led to declines in nutrients of concern during Phase 2 of implementation, particularly from foods and drinks high in nutrients of concern. These declines were sustained or even increased over phases of policy implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,125
Score d'incertitude au seuil0,314

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,276
Écart entre enseignants0,263 · 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 tête enseignante, 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

Citations64
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207