Scrutinizing the impact of two self-regulation policies on unhealthy food marketing in children’s popular television in Malaysia: a multiple-year repeated evaluation using a harmonized protocol
Notice bibliographique
Résumé
BACKGROUND: Regulating unhealthy food marketing is critical as it is a recognized driver of childhood obesity. Two voluntary self-regulatory policies governing food advertising in the media were introduced in Malaysia in 2008 and 2013. OBJECTIVES: To assess food advertising on Malaysian children's popular television channels across a decade using the standardized INFORMAS protocol. METHODS: The main dataset was collected cross-sectionally from 2020 to 2022 evaluating three television channels. Additionally, a retrospective comparison between the 2022 and 2012 datasets was limited to two channels commonly available for both years. Advertised foods were classified as permitted (healthy) or not-permitted (unhealthy) using a nutrient profile model of the World Health Organization. We compared advertising rates and use of persuasive marketing techniques during children's peak viewing time (PVT) versus non-PVT. RESULTS: > 0.05). In 2022, fast foods emerged as the most frequently advertised unhealthy food (1.33 ± 2.23 ads/h/channel), a six-fold increase compared to 2012 (0.21 ± 0.47 ads/h/channel). CONCLUSIONS: Unhealthy food advertising dominates Malaysian children's popular television channels, especially during PVT despite the presence of voluntary self-regulatory policies. These findings underscore the need for government-led mandatory regulations to control unhealthy food marketing targeting children.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».