包装正面标签方案的功效：一项实验研究
2018年10月3日 更新者：Mary L'Abbe、University of Toronto
这是一项在线研究，旨在测试解释性营养评级系统 (INRS) 的有效性，例如健康星级评级系统（HSR 或星级系统）、红绿灯系统和警告标签（高钠、饱和脂肪和糖），由加拿大卫生部。
该研究将结合使用智能手机应用程序 (app) FoodFlip®，帮助消费者在接触食品包装之前了解每个 INRS。
研究概览
地位
完全的
研究类型
介入性
注册 (实际的)
2008
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Ontario
-
Toronto、Ontario、加拿大、M5S3E2
- University of Toronto
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、OLDER_ADULT)
接受健康志愿者
是的
有资格学习的性别
全部
描述
纳入标准：
- 以英语为主要语言
- 居住在加拿大，北领地除外
- 年满 18 岁
- 提供知情同意
- 至少做一些家庭杂货店购物
- 拥有智能手机（iPhone 3 或更高版本或 Android）
- 能够在最小尺寸为 9.7 英寸的屏幕上完成调查。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：预防
- 分配：随机化
- 介入模型：平行线
- 屏蔽：没有任何
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：红绿灯
将向该组的参与者提供一项调查，该调查显示食品和饮料包装仅在包装标签正面带有红绿灯。 干预是营养评级系统 - 红绿灯 |
行为：营养评级系统（显示在在线调查和移动应用程序上）通过指示钠的水平（低=绿色，中=琥珀色，高=红色），为消费者提供对食品或饮料健康程度的解释，根据修改后的澳大利亚新西兰食品标准 (FSANZ) 标准，产品中的饱和脂肪和糖分。
这嵌入在每个条件中，以告知和教育消费者他们被随机分配到的标签条件/干预。
所有参与者都被分配到一项应用程序任务，以查看 20 种产品并查看这些产品根据其状况获得的“评级”。
|
|
实验性的：星系统
将向该组的参与者提供一项调查，该调查显示仅在包装标签正面带有健康星级评级的食品和饮料包装。 干预是营养评级系统——健康之星评级 |
这嵌入在每个条件中，以告知和教育消费者他们被随机分配到的标签条件/干预。
所有参与者都被分配到一项应用程序任务，以查看 20 种产品并查看这些产品根据其状况获得的“评级”。
行为：营养评级系统（显示在在线调查和移动应用程序上）通过指示授予产品的星数，从 0.5 到 5 星，基于修改的澳大利亚新西兰食品标准 (FSANZ) 营养成分分析标准。
|
|
实验性的：警告标签
将向该组的参与者提供一项调查，该调查显示食品和饮料包装仅在包装标签正面带有警告。 干预是营养评级系统 - 警告标签 |
这嵌入在每个条件中，以告知和教育消费者他们被随机分配到的标签条件/干预。
所有参与者都被分配到一项应用程序任务，以查看 20 种产品并查看这些产品根据其状况获得的“评级”。
行为：营养评级系统（在线调查和移动应用程序中显示）通过警告标签指示产品钠、饱和脂肪和糖含量“高”，从而为消费者提供对食品或饮料产品健康程度的解释，基于单个产品每日价值百分比 (%DV) 大于 15%，组合菜肴大于 30%。
|
|
NO_INTERVENTION：控制
该组的参与者将接受一项调查，调查显示食品和饮料包装正面没有任何包装标签。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
理解任务 - 识别健康产品的能力（调查测量）
大体时间：1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
根据修改后的 FSANZ 标准，参与者在一项任务中识别出一组 5 种产品中最健康的产品的能力，该任务对 5 种具有不同“健康”水平的产品进行评级。
问题措辞：请根据健康程度对这些产品进行排名，其中 1 是“最健康”，5 是“最不健康”的谷物
|
1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
|
理解任务 - 识别不健康产品的能力（调查测量）
大体时间：1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
根据修改后的 FSANZ 标准，参与者在一项任务中识别出一组 5 种产品中最不健康的产品的能力，这些产品对具有不同“健康”水平的 5 种产品进行评级。
问题措辞：请根据健康程度对这些产品进行排名，其中 1 是“最健康”，5 是“最不健康”的谷物
|
1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
理解任务——识别产品整体“健康”的能力（调查测量——李克特量表）
大体时间：1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
参与者根据产品上营养信息的类型和数量，使用 7 分李克特量表，准确地将产品评为或多或少健康的能力。
问题措辞：这个（产品）对你来说有多健康？
|
1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
|
假设购买产品（调查测量 - 李克特量表）
大体时间：1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
参与者根据产品营养信息的类型和数量使用 7 点李克特量表感知购买产品的可能性。 问题措辞：假设该产品的成本与其他（产品类别）相似。 如果您正在购买（产品），您购买该产品的可能性有多大？ |
1 天（在应用程序任务后立即评估，同时查看应用了标签系统的产品
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Vanderlee L, Franco-Arellano B, Ahmed M, Oh A, Lou W, L'Abbe MR. The efficacy of 'high in' warning labels, health star and traffic light front-of-package labelling: an online randomised control trial. Public Health Nutr. 2021 Jan;24(1):62-74. doi: 10.1017/S1368980020003213. Epub 2020 Oct 6.
- Ahmed M, Oh A, Vanderlee L, Franco-Arellano B, Schermel A, Lou W, L'Abbe MR. A randomized controlled trial examining consumers' perceptions and opinions on using different versions of a FoodFlip(c) smartphone application for delivery of nutrition information. Int J Behav Nutr Phys Act. 2020 Feb 12;17(1):22. doi: 10.1186/s12966-020-0923-1.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2017年9月20日
初级完成 (实际的)
2017年10月9日
研究完成 (实际的)
2017年10月9日
研究注册日期
首次提交
2017年9月8日
首先提交符合 QC 标准的
2017年9月18日
首次发布 (实际的)
2017年9月21日
研究记录更新
最后更新发布 (实际的)
2018年10月4日
上次提交的符合 QC 标准的更新
2018年10月3日
最后验证
2018年10月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.