The impact of nutrition information labels on alcohol containers in Canada: an online randomized trial
Notice bibliographique
Résumé
OBJECTIVE: To determine if nutritional information on an alcohol container influenced consumer perceptions of product healthiness, and whether the effect of information differed by display format. METHODS: Online randomized controlled trial among adults in Canada sampled from a commercial panel (analytical sample n = 3880) in November/December 2024. Participants were randomized to view a wine product in one of four conditions: (1) control (no label), (2) Nutrition Facts table (NFT), (3) textual nutrition information, (4) Alcohol Facts table, and were asked "How healthy would it be to drink this wine regularly?" (7-point Likert-type item, very unhealthy to very healthy). Logistic regression compared the likelihood of rating the product as "a little healthy/healthy/very healthy" between conditions. RESULTS: Compared to the control (16.5 %), those in the NFT condition had higher odds of rating the product as "a little healthy/healthy/very healthy" (28.3 %, AOR = 1.97, 95 %CI,1.57,2.47), as did those in the textual nutrition information condition (23.8 %, AOR = 1.60, 95 %CI,1.27,2.02). There were no differences between the control condition and the Alcohol Facts table condition (18.8 %). CONCLUSIONS: Nutritional information on alcohol products may lead consumers to falsely believe products are 'healthier'. Label design and features that make alcohol products distinct from non-alcoholic food and beverages may reduce unintended impacts.
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 | 0,001 |
| 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 ».