MétaCan
Menu
Retour à la cohorte
Enregistrement W4406933170 · doi:10.1186/s12937-024-01063-8

Perceived healthiness of sugary drinks and related social norms among adults in five countries: evidence from the International Food Policy Study

2025· article· en· W4406933170 sur OpenAlexafffundabout
Virginie Drolet-Labelle, Christine M. White, Jean Adams, Sharon I. Kirkpatrick, Alejandra Jáuregui, Lilia S Pedraza, Véronique Provencher, Gary Sacks, James F. Thrasher, Gabriela Armendariz, Sı́món Barquera, David Hammond, Lana Vanderlee

Notice bibliographique

RevueNutrition Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensUniversity of WaterlooMinistère de l'Agriculture, des Pêcheries et de l'AlimentationUniversité Laval
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesPublic Health Agency of CanadaNational Institutes of HealthCanada Research ChairsMedical Research CouncilPublic Health AgencyCanadian Institutes of Health ResearchNational Institute for Health and Care Research
Mots-clésMedicineClinical nutritionEnvironmental healthGerontology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A better understanding of correlates of sugary drink consumption is essential to inform public health interventions. This study examined differences in perceived healthiness of sugary drinks and related social norms between countries, over time, and sociodemographic groups and associations with sugary drink intake. METHODS: This study used annual cross-sectional data from the International Food Policy Study from 2018 to 2021 in Australia, Canada, the United Kingdom, the United States, and Mexico. Analyses examined perceived healthiness of eight beverage types and two types of perceived social norms (descriptive, injunctive) that discourage sugary drink consumption. The 24-item Beverage Frequency Questionnaire was used to estimate beverage intake in the past 7 days. Logistic regression models examined trends over time in odds of perceiving each beverage type as unhealthy and agreeing with social norms discouraging sugary drink consumption, across countries and sociodemographic characteristics. Negative binomial regressions examined associations between perceived healthiness, social norms and consumption. RESULTS: Energy drinks, regular soft drinks, and diet soft drinks were most frequently perceived as unhealthy in all countries, while water and 100% juice were least frequently perceived as unhealthy. Participants in Mexico had higher odds of perceiving 100% juice, chocolate milk, and iced tea as unhealthy in 2021 compared to 2018 (AOR = 1.71 99%CI 1.10-2.64; AOR = 2.69, 99%CI 1.70-4.26; AOR = 1.79, 99%CI 1.15-2.76; respectively), with little change in other countries. Agreement with social norms discouraging consumption of sugary drinks was higher in Mexico than in other countries. Trends in social norms over time were mostly stable, except in Mexico where participants had higher odds of agreeing with both norms in 2020 compared to 2018 (AOR = 1.27, 99%CI 1.09-1.48 for a descriptive norm and AOR = 1.27 99%CI 1.09-1.49 for an injunctive norm). In most countries, perceiving a beverage as unhealthy and agreeing with social norms discouraging consumption of sugary drink were associated with lower sugary drink consumption, with varying strength of associations across countries and beverage types. CONCLUSIONS: Shifts over time in social norms and perceived healthiness observed in Mexico and associations with intake of sugary drinks in most countries suggest that targeted interventions to change norms and perceptions could help reduce sugary drink consumption.

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 enseignants0,040
Score d'incertitude au seuil0,294

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 Opus0,015
Tête enseignante GPT0,311
Écart entre enseignants0,296 · 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

Citations8
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNutrition JournalMême sujetNutritional Studies and DietTravaux en français237 207