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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».