MétaCan
Menu
Retour à la cohorte
Enregistrement W4416186906 · doi:10.1186/s12992-025-01125-4

Do alcohol industry-funded organisations act to correct misinformation? A qualitative study of pregnancy and infant health content following independent analysis

2025· article· en· W4416186906 sur OpenAlexaboutno aff
Gemma Mitchell, Chris Baker, May CI van Schalkwyk, Nason Maani, Mark Petticrew

Notice bibliographique

RevueGlobalization and Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMisinformationPublic healthQualitative researchPregnancyContent analysisHealth services researchSocial policyAlcoholHealth policy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Access to reliable, accurate, and up-to-date health information is a crucial component of global population health. Like other health-harming industries, the alcohol industry is known to provide misinformation to the public, including on alcohol, pregnancy, and infant health. It is unknown whether industry information changes following independent public health analysis. METHODS: We extracted data using the homepage, menu, and search tool functions (where available) from seven industry-funded charity and nonprofit company websites (Aware, South Africa; Drinkaware, Ireland; Drinkaware, United Kingdom; Éduc'alcool, Canada; DrinkWise, Australia; Foundation for Advancing Alcohol Responsibility, United States; and International Alliance for Responsible Drinking) that have previously been found to misrepresent the evidence on alcohol, pregnancy, and infant health. We conducted a qualitative, thematic analysis using a published framework of 'dark nudges and sludge' misinformation techniques. RESULTS: Omission of information, functionality problems, and the positioning and sequencing of information in ways that framed or obfuscated its meaning were the most common forms of misinformation identified. These types of misinformation were often mixed with (limited) relevant information and were most often found in combination. We found pregnancy and infant health information for the consumer on five of the seven websites studied (Drinkaware, Ireland; Drinkaware, United Kingdom; DrinkWise; Éduc'alcool; and Aware). Information on pregnancy and fetal alcohol spectrum disorder was found on these five sites, although they did not all provide information on miscarriage, breastfeeding, or fertility. We could not find any pregnancy and infant health information directed to the consumer on the remaining sites (Foundation for Advancing Alcohol Responsibility and International Alliance for Responsible Drinking). Six of the seven websites had a search tool function; these often produced irrelevant information. CONCLUSIONS: Following independent public health analysis of their informational outputs, misinformation about pregnancy and infant health remains present on alcohol industry-funded websites. Warnings to the public to avoid alcohol industry-funded information sources should form an essential part of the global effort to tackle health misinformation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,769

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,433
Écart entre enseignants0,360 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobalization and HealthMême sujetData-Driven Disease SurveillanceTravaux en français237 207