Advertising ultra-processed foods around urban and rural schools in Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Marketing of ultra-processed foods (UPFs) can influence children's food preferences and consumption patterns. However, limited data exist on the extent and nature of UPF marketing around schools in low- and middle-income countries, including Kenya. This study assessed the extent, type, and content of food and beverage advertising near schools in urban and rural settings in Kenya. We conducted a cross-sectional study in June-July 2021 across three Kenyan counties-Nairobi (urban), Mombasa (coastal urban), and Baringo (rural). Each county was stratified by socioeconomic status (SES), and schools were randomly selected. Food and beverage advertisements within a 250-meter radius of schools were documented. Data collected included the type of product, location, and promotional techniques used. Advertised products were categorized using the NOVA classification and the INFORMAS framework. Descriptive statistics were used to summarize advertisement patterns, and Poisson regression was applied to identify factors associated with UPF advertising. A total of 2,300 food and beverage advertisements were documented around 500 schools. Urban areas had a higher median number of advertisements (median = 25, IQR: 25-160) compared to rural areas (median = 10, IQR: 4-13). Nearly 48% of all advertisements featured UPFs. The most frequent promotional strategy involved cartoon and company-owned characters, while price discounts were the most common premium offers. In multivariate analysis, Baringo County showed a higher rate of UPF advertisements compared to Nairobi (PRR: 1.17, 95% CI: 1.01-1.36), as did lower versus higher SES areas (PRR: 1.10, 95% CI: 1.01-1.20). UPFs are commonly advertised around schools in Kenya, often using strategies that appeal to children. Regulatory efforts are needed to limit the marketing of unhealthy foods in school environments.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 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 découle