比较包装前养分标签
研究概览
详细说明
Detailed Description The overall goal of this online randomized controlled trial is to compare the performance of FDA's Nutrition Info %DV front-of-package label (FOPL) to a no-label control and other FOPL designs, including the Nutrition Info label without the %DV and with red color for "high in" nutrients, the FDA's High In label, and multiple black box High In labels-one for each nutrient.
主要结果是：（1）正确鉴定食品和饮料，具有最健康，最不健康的整体养分谱，（2）在两个关注的营养中，产品对产品的感知健康，以及（3）正确鉴定食物和饮料，饱和脂肪，钠，钠和添加糖。 次要结果包括：（1）注意营养标签，（2）召回标签的内容，（3）在选择食物时报告使用标签，（4）（4）（4）（4）（i）（i）在任何营养中不高的产品和（ii）具有不同营养水平的养分含量不高的养分的养分，（5）较高的食物的含量，（5）较高的食物，（5）选择的食物，（5）较高的食物，（5）较高的食物，（5）（5）选择（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（5）（6至少有一种营养素对他们最小的孩子（至少2岁），（7）标签可感知的信息有效性对于劝阻食用高饱和脂肪，钠和添加的糖的食物的消费，（8）花费在确定健康且健康最不健康的整体养分概况上，以及（9）在识别饱和的食物和饮料上的含糖和脂肪含量高，并添加了脂肪，并添加了脂肪，并添加了脂肪和脂肪。
重复的二分法结果（例如，正确选择最健康的概况，正确选择最不健康的概况，正确识别产品高营养的产品的正确识别）将在混合效应泊松回归中使用可靠的标准误差进行分析。 单个二分法结果（例如，注意，使用标签，至少在一种关注的营养中选择一项较高的一项）将在Poisson回归中使用可靠的标准误差进行分析。 我们将在每个条件和绝对（即百分比）和相对差异（即概率比）中报告比例。 连续的结果（例如，感知的健康，所花费的时间）将用于线性回归。 所有回归模型将在实验条件的指标上回归结果。 我们将按照条件之间的条件和平均差异效应报告平均值。 我们将使用0.05的双面临界α进行所有统计测试。 呈现的所有置信区间将为95％，双面为两侧。 鉴于这项研究的初步性质是首次比较新的FOPL，因此我们不打算调整P值以进行多次比较。
在适度的分析中，我们将探索参与者营养素养，教育，杂货购物频率和生育孩子的标签设计对主要结果的效果修改。 我们将使用交互术语，并通过分层模型探索重要的交互。
此外，将检查5个独特条件中每个结果之间所有结果的差异。 如果未达到假设，则可以修改建模方法。
我们将进行大约500次完成的调查的软启动，以验证在线调查是否按预期运行并检测任何编程错误。 如果需要任何更正，可能会有另一个软启动。 如果到2025年4月30日之前未实现目标样本量，那么到目前为止收集的数据将用于初步分析以提供公众意见。 最终的分析样本将包括具有有关主要结果的完整数据的参与者。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
California
-
Davis、California、美国、95616
- University of California, Davis
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
描述
纳入标准：
- 等于或大于18岁
- 说英语
- 美国居民
- 参与者将反映美国人口普查局的2023年美国社区调查5年性别，种族/种族，教育程度和年龄的估计。
排除标准：
- 注意力检查问题失败
- 在中值完成时间的不到三分之一的时间内完成调查（在收集90％的回答时计算的中位时间是基于完成问卷的中位时间的）
学习计划
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：并行分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
无干预：无标签控制
参与者将看到包装的食品和饮料物品，没有包装前的标签（制造商发布的任何产品）。
|
|
|
实验性的：营养信息百分比每日价值
参与者将看到包装的食品和饮料项目，显示饱和脂肪，钠和添加的糖的包装前标签，其中列出了“高”，“中”或“低”。
“高”定义为每份每日价值的20％或更多，“中等”为6-19％，“低”为5％或更少。
该标签还将列出每份每种营养素的每日价值百分比。
该标签将具有白色背景和黑色文字。
|
参与者将看到带有标签的包装食品和饮料，按其分配的小组指定
|
|
实验性的：红色“高”的营养信息
参与者将看到包装的食品和饮料项目，显示饱和脂肪，钠和添加的糖的包装前标签，其中列出了“高”，“中”或“低”。
“高”定义为每份每日价值的20％或更多，“中等”为6-19％，“低”为5％或更少。
该标签将具有白色背景和黑色文字，除了“高”一词，它将以白色字体和突出显示红色。
|
参与者将看到带有标签的包装食品和饮料，按其分配的小组指定
|
|
实验性的：普通高
参与者将看到包装的食品和饮料项目，显示“高养分”（养分：饱和脂肪，钠和/或添加的糖），如果该项目包含每种营养素的每份每份每份每份每份价值的20％或以上，则会看到“高养分：饱和脂肪，钠和/或添加的糖”。
该标签将具有白色背景和黑色文字。
如果该物品在1或2个营养素中不高，则养分将不在标签上。
如果该物品在3种营养中的任何一个中都不高，则该产品将不会显示此标签。
|
参与者将看到带有标签的包装食品和饮料，按其分配的小组指定
|
|
实验性的：多个黑匣子高
参与者将看到包装的食品和饮料项目，显示“高养分”（养分：饱和脂肪，钠和/或添加的糖），如果该项目包含每种营养素的每份每份每份每份每份价值的20％或以上，则会看到“高养分：饱和脂肪，钠和/或添加的糖”。
每种营养素都有自己的标签，一个带有白色文字的黑匣子。
如果该物品的营养素不高，则不会显示该营养素的黑匣子标签。
如果该物品在3种营养中的任何一个中都不高，则该产品将不会显示任何标签。
|
参与者将看到带有标签的包装食品和饮料，按其分配的小组指定
|
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 |
|---|---|---|
|
在两个关注的营养物质中，物品的健康状况很低
大体时间：在干预暴露的大约5分钟内
|
参与者将提供4种不同产品的健康状况得分（从非常不健康到非常健康的响应量表从1-7不等）。
每种产品的分数将用作线性回归模型中的连续结果。
|
在干预暴露的大约5分钟内
|
|
正确识别最健康的个人资料
大体时间：在干预暴露的大约5分钟内
|
参与者将在同一屏幕上查看4系列3个产品，每种产品都有营养素。
他们将被指示：“选择具有最健康的整体营养概况的食物。
考虑饱和脂肪，钠和添加的糖。”
每个系列的结果将被二分（1 =正确，0 =不正确），并且多个结果将用于具有鲁棒标准误差的混合效应泊松回归中。
|
在干预暴露的大约5分钟内
|
|
正确识别最不健康的概况
大体时间：在干预暴露的大约5分钟内
|
参与者将并排观看大约4系列3种产品，显示不同的营养概况。
他们将被要求“选择最不健康的整体营养特征的食物（或饮料）。
考虑饱和脂肪，钠和添加的糖。”
每个系列的结果将被二分（1 =正确，0 =不正确），并且多个结果将用于具有鲁棒标准误差的混合效应泊松回归。
|
在干预暴露的大约5分钟内
|
|
正确识别“高”养分
大体时间：在干预暴露的大约5分钟内
|
参与者将查看5种食物，并指出每种食物在每种饱和脂肪，钠和添加的糖中是否都很高。
“正确”的响应是将高分产品识别为相应的营养素中的高产品，并将不高的产物识别为相应营养素中的不高产品。否则响应是“不正确的”。
将在混合模型中分析15个二分法反应的15个（3种营养），这是对受试者相关性的影响。
|
在干预暴露的大约5分钟内
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
（i）在任何关注的营养中不高的物品的健康状况以及（ii）具有不同养分水平的物品，每种养分都有所关注的养分
大体时间：在干预暴露的大约5分钟内
|
参与者将为5种不同的产品提供健康得分（从1-7的响应量表）。
每种产品的分数将用作线性回归模型中的连续结果。
|
在干预暴露的大约5分钟内
|
|
选择较高的产品的产品的营养素很关心
大体时间：在干预暴露的大约5分钟内
|
参与者将从假设的杂货店货架上选择他们将为最小的孩子（至少2岁）购买的食物。
二分法的结果是选择至少一种关注营养的物品（与至少在至少一种关注的营养中选择高的物品相比），在Poisson回归中分析具有稳健的SE以直接估计概率比。
|
在干预暴露的大约5分钟内
|
|
注意到标签
大体时间：在干预暴露的大约5分钟内
|
经过假设的购物任务（两项购物任务中的第一项），将询问参与者是否注意到食物上的任何营养标签。
分析将包括使用强大的标准误差在泊松回归中注意到的二分法结果。
|
在干预暴露的大约5分钟内
|
|
回顾标签的内容
大体时间：在干预暴露的大约5分钟内
|
如果参与者回答“是”注意营养标签，他们将被问到“标签上有哪些信息？
选择所有适用的东西。”
响应选项将包括卡路里，纤维，饱和脂肪，钠，添加糖，胆固醇，蛋白质，钙，维生素D和“这些都不”。
正确选择或未选择的选项百分比将用于线性回归。
|
在干预暴露的大约5分钟内
|
|
报告使用标签
大体时间：在干预暴露的大约5分钟内
|
在假设的购物任务（两个购物任务中的第一项）之后，如果参与者回应“是”以注意标签，则会询问他们在选择项目时是否使用了标签。
结果将在泊松回归中进行二分和分析。
|
在干预暴露的大约5分钟内
|
|
选择高处的产品中的产品中的养分
大体时间：在干预暴露的大约5分钟内
|
在两项购物任务中的第二个，参与者将从假设的杂货店货架上选择自己购买的食物。
二分法的结果是选择至少一种关注营养的物品（与至少在至少一种关注的营养中选择高的物品相比），在Poisson回归中分析具有稳健的SE以直接估计概率比。
|
在干预暴露的大约5分钟内
|
|
感知的消息有效性
大体时间：在干预暴露的大约5分钟内
|
不在对照组中的参与者会孤立地查看其分配的标签（即，不是在产品上），并将询问“该标签会劝阻您想要购买饱和脂肪，钠或添加糖的食物或饮料？”响应选项的范围从根本不（1）到很大（5）。
响应将被视为线性回归中的连续结果。
|
在干预暴露的大约5分钟内
|
|
识别最健康，最不健康的整体营养概况的时间
大体时间：在干预暴露的大约5分钟内
|
计时器功能将在调查中使用，以衡量确定最健康且最不健康的整体营养概况的主要结果的时间。
时间（以秒为单位）将用作线性回归中的连续结果。
顶部和底部的2％将被视为离群值并排除在外。
|
在干预暴露的大约5分钟内
|
|
花费在识别食物和饮料含量高的饱和脂肪，钠和添加糖上的时间。
大体时间：在干预暴露的大约5分钟内
|
计时器特征将在调查中使用，以测量将食物和饮料识别为饱和脂肪，钠和添加的糖的主要结果的时间。
时间（以秒为单位）将用作线性回归中的连续结果。
顶部和底部的2％将被视为离群值并排除在外。
|
在干预暴露的大约5分钟内
|
合作者和调查者
调查人员
- 首席研究员：Jennifer Falbe、University of California, Davis
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (估计的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
其他研究编号
- 2295549
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
在美国制造并从美国出口的产品
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.