MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403319763 · doi:10.1186/s12889-024-20210-8

Children’s self-reported exposure to sugary beverage advertisements and association with intake across six countries before and during the COVID-19 pandemic: a repeat cross-sectional study

2024· article· en· W4403319763 sur OpenAlexaffabout
Élisabeth Demers‐Potvin, Simone Lemieux, Rachel B. Acton, Tarra L. Penney, Gary Sacks, Christine M. White, Martin White, David Hammond, Lana Vanderlee

Notice bibliographique

RevueBMC Public Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensYork UniversityUniversity of WaterlooMinistère de l'Agriculture, des Pêcheries et de l'AlimentationUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBiostatisticsMedicineEnvironmental healthPandemicCross-sectional studyPublic healthDemographyCoronavirus disease 2019 (COVID-19)AdvertisingLogistic regressionScreen timeObesityInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Children's exposure to sugary beverage advertising may have changed during the COVID-19 pandemic due to shifts in media habits, which could subsequently have influenced intake. This study aimed to examine: 1) children's frequency and setting of exposure to advertisements of sugary beverages in six countries before and during the COVID-19 pandemic; 2) the association between exposure to sugary beverage advertisements and intake. METHODS: Children aged 10-17 years (n = 28,908) in Australia, Canada, Chile, Mexico, the United Kingdom (UK) and the United States (US) completed online surveys in 2019, 2020 and 2021 as part of the International Food Policy Study using a repeat cross-sectional study design. Respondents self-reported frequency and setting of exposure to sugary beverage advertisements, location of school classes (in-person/online, 2020-2021 only), screen time, and sugary beverage intake. Adjusted weighted logistic and negative binomial regression models stratified by country examined associations between year and reported sugary beverage advertising exposure, and associations between sugary beverage advertising exposure and intake. Differences in reported advertising exposure between students taking online or in-person school classes were explored. RESULTS: Self-reported exposure to advertisements for sugary beverages at least weekly was relatively stable across years within countries, with differences in settings of exposure. Exposure to sugary beverage advertisements increased on digital media independently of screen time from 2019 to 2021 in Australia, Canada, the UK and US, with a concomitant decrease in exposure in retail settings in all countries except the UK. In Australia and the UK, children attending all classes online were more likely to report at least weekly (vs less than once a week) exposure to sugary beverage advertisements, and children attending all classes online were more likely to report exposure to advertisements on digital media and in other settings (e.g., billboard, magazines) compared to children attending in-person classes in Australia, Canada and the UK. Exposure to sugary beverage advertisements at least weekly (IRR = 1.12,99%CI:1.09-1.15) and in each of the settings was associated with sugary beverage intake. CONCLUSIONS: Exposure to digital advertisements for sugary beverages increased from 2019 to 2021 in most countries, and exposure was associated with sugary beverage intake. Reducing children's exposure to advertising of less healthy foods, including on digital media, may reduce sugary beverage intake.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,346
Écart entre enseignants0,318 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetObesity, Physical Activity, Diet→Travaux en français237 207→