Public support for unhealthy food marketing policies in Australia: A cross-sectional analysis of the International Food Policy Study 2022
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to explore public opinion towards food marketing policies. METHODS: In 2022, a cross-sectional online survey was completed by 3,923 adults in Australia, including 1,152 caregivers of children aged <18 years. Concern about children's exposure to unhealthy food marketing was assessed among caregivers. Public support for seven policy options to restrict unhealthy food marketing in different media and settings (broadcast, online, outdoors, packaging and retail) was quantified. Multivariable regression analyses were conducted to examine sociodemographic differences. RESULTS: Most caregivers (85%) reported some degree of concern about their child's exposure to unhealthy food marketing. Among all respondents, there was a high level of support or neutrality (>70%) for all policies aimed at restricting unhealthy food marketing. Respondents who were female, older, highly educated, who identified as Aboriginal and/or Torres Strait Islander, perceived their monthly income as adequate or had at least one child living in the household reported higher support/neutrality towards several of the assessed policies. CONCLUSIONS: Most Australian adults were supportive or neutral towards policies restricting unhealthy food marketing. The level of support varied depending on the policy's target group and its setting. IMPLICATIONS FOR PUBLIC HEALTH: Implementing unhealthy food marketing policies in Australia would most likely have broad public support and minimal opposition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».