Testing the influence of nutrient content claims and a health warning label on consumer perceptions of ready-to-drink alcoholic beverages: an online randomized experiment
Notice bibliographique
Résumé
AIMS: To investigate the influence of health-oriented nutrient content claims (NCC; e.g. 140 calories) and a health warning label (HWL) depicting cancer risks on consumer product perceptions of ready-to-drink (RTD) alcoholic beverages, including potential differences in subgroups. METHODS: An online within-participants experiment was conducted among alcohol consumers ages 18-64 in Canada (n = 4689). Participants viewed the front panel of RTD alcoholic beverage containers according to four label conditions: (1) NCC vs. no label, (2) NCC + HWL vs. no label, (3) HWL vs. no label, (4) no label vs. no label. When viewing each pair, participants were asked to select which product they: (a) are interested in trying, and (b) buy to reduce health risks. Responses were assessed using generalized estimating equation and logistic regression models within the overall sample and subgroups, including gender, age group, education, alcohol use, and body weight intentions. RESULTS: When asked to select the product to try and to reduce health risks, participants were more likely to select the product with NCC, compared to NCC + HWL or HWL. When NCC were present, women were more interested in trying the product and those trying to lose weight had higher odds of perceiving reduced health risks. No other characteristics were associated with label effects. CONCLUSIONS: NCC on RTD alcohol products influenced product appeal and risk perceptions among consumers, particularly women and those trying to lose weight. Prohibiting NCC on alcohol packaging could be an effective policy strategy to prevent increased appeal and minimize consumer confusion about alcohol health risks.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».