The impact of the social media industry as a commercial determinant of health on the digital food environment for children and adolescents: a scoping review
Notice bibliographique
Résumé
INTRODUCTION: There is emerging evidence that the social media industry contributes to adverse health outcomes by shaping the digital food environment for children and adolescents (aged 0-18). The aim of this scoping review was to determine the extent of research on how the social media industry, including the broader online landscape, influences the digital food environment and affects child and adolescent health. METHODS: A scoping review was conducted in the electronic databases of PubMed, Scopus and PsycINFO, along with forward and reverse citation searching for peer-reviewed articles published in English between 2000 and May 2023. A qualitative descriptive synthesis of the included articles was performed to identify trends, themes and research gaps in the current literature. RESULTS: The review identified 36 articles for inclusion. Most research was conducted in high-income countries and publications have increased since 2021. The review found most children and adolescents are exposed to food advertisements on social media and most advertised food is ultra-processed. Heightened by a lack of social media advertising awareness, digital food marketing influences children and youth's consumption and food behaviour. Voluntary children's food marketing regulations are ineffective for the online environment. Countering unhealthy food marketing will require media literacy and government regulation. CONCLUSION: The social media industry may act as a commercial determinant of health to shape the digital food environment as an extension of the obesogenic environment. Further research should explore approaches to monitor unhealthy food marketing practices and understand social media's role in the digital food environment.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».