Global market trends and financial performance of the corporate fast-food industry and their potential contributions to diets high in meat and ultra-processed foods
Notice bibliographique
Résumé
BACKGROUND: The fast-food industry has transformed substantially in recent decades - from diverse, locally rooted providers into a globalised, and increasingly corporate-led industry. Corporate fast-food retailers (FFRs) represent a key retail channel through which both ultra-processed foods and intensively produced animal source foods are consumed and normalised within corporate-industrial food systems. These dietary patterns are strongly associated with increased risks of diet-related diseases and contribute significantly to environmental degradation, including greenhouse gas emissions, land use change, and biodiversity loss. Despite the growing significance of FFRs, there has been limited analysis of their financial strategies and implications for global food system transformation. RESULTS: We conducted a global analysis of market data from 54 countries and financial data of publicly listed FFRs, examining trends in FFR sales (2009-2023), market dominance, and the financial performance of leading publicly listed firms (1980-2023). We found that while sales in high-income countries were stagnating, leading firms maintained stable net profit margins and delivered relatively high shareholder returns, facilitated by financial strategies such as franchising and private equity ownership. U.S.-based corporations dominated the global market, with substantial expansion into countries outside the global North. These trends reflect the consolidation of power within the corporate food regime. CONCLUSIONS: The global expansion of corporate FFRs underscore their growing influence over diets and food systems, with critical implications for public health, ecological sustainability, and social justice. Policies targeting structural leverage points, for example, democratising corporate governance, reducing the influence of private equity, and re-orienting agri-food subsidies, are essential to countering the entrenchment of this model and supporting more democratic and sustainable food systems. CLINICAL TRIAL NUMBER: Not applicable.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».