Marketing digitale non salutare tra le popolazioni aborigene in Australia: risultati dallo studio pilota #DigitalMob.

Marketing digitale non salutare tra le popolazioni aborigene in Australia: risultati dallo studio pilota #DigitalMob

SOMMARIO

Problema affrontato

Questo studio mirava a quantificare l'esposizione degli adulti aborigeni al marketing digitale di cibi e bevande non salutari, alcol, gioco d'azzardo, tabacco e sigarette elettroniche; analizzare le differenze demografiche nell'esposizione al marketing; e descrivere la natura del marketing digitale che raggiunge il pubblico aborigeno, inclusi marchi, piattaforme e tattiche di marketing.

Metodi

Trentuno adulti aborigeni sono stati invitati a registrare i loro schermi, catturando circa un terzo del loro consueto tempo di utilizzo dello schermo giornaliero (massimo 60 min). Le registrazioni sono state analizzate utilizzando SCANNER, un sistema automatizzato addestrato a rilevare il marketing di prodotti non salutari. Dati demografici e comportamenti online usuali sono stati raccolti tramite un sondaggio online. Sono state utilizzate statistiche descrittive, un test post hoc Mann–Whitney U e un'estensione Fisher–Freeman–Halton del test esatto di Fisher per analizzare le differenze nelle rilevazioni di marketing.

Risultati

La maggior parte dei partecipanti (n = 29/31, 94%) è stata esposta a marketing digitale non salutare. Delle 587 occorrenze di marketing rilevate, i marchi di cibo non salutare erano i più comuni (47%), seguiti da gioco d'azzardo (28%), alcol (15%), bevande zuccherate (9%) e tabacco (1%). Non è stato rilevato marketing di sigarette elettroniche. L'esposizione giornaliera stimata al marketing digitale non salutare era di 40.4 (IQR: 11–92) occorrenze al giorno. I partecipanti di sesso maschile, di età pari o inferiore a 30 anni, hanno registrato significativamente più rilevazioni di marketing complessive e per i marchi di cibo non salutare, alcol e gioco d'azzardo.

Conclusione

I risultati evidenziano la pervasività del marketing di cibo e bevande non salutari, gioco d'azzardo e alcol nelle vite digitali quotidiane dei partecipanti aborigeni.

E allora?

È necessaria con urgenza una regolamentazione completa del marketing digitale non salutare per promuovere la salute aborigena.

Parole chiave: Aborigeni australiani, marketing digitale, salute pubblica, social media

1.Introduzione

Si stima che i prodotti e le pratiche del settore commerciale contribuiscano a più di 20 milioni di morti a livello globale ogni anno [1]. I determinanti commerciali della salute (CDoH), definiti come i sistemi, le pratiche e i percorsi attraverso i quali gli attori commerciali influenzano la salute e l'equità, svolgono un ruolo chiave nella guida delle malattie non trasmissibili (MNT) a livello globale [1]. Nei settori del tabacco, gioco d'azzardo, alcol e alimenti ultra-processati, gli attori commerciali impiegano strategie sofisticate e coordinate per proteggere i profitti a scapito della salute umana e del pianeta [2]. Queste pratiche modellano la disponibilità, la convenienza, l'accessibilità e l'attrattiva di prodotti dannosi per la salute [3].

I popoli Aborigeni e delle Isole dello Stretto di Torres, i Popoli originari dell'Australia, hanno mantenuto società sane e autodeterminate per decine di migliaia di anni prima dell'arrivo degli europei. Gli effetti duraturi della colonizzazione, del razzismo istituzionale e di un'economia guidata dal profitto continuano a imporre un carico sproporzionato di malattie alle popolazioni aborigene e delle Isole dello Stretto di Torres, con malattie cardiovascolari, cancro, malattie respiratorie, diabete di Tipo 2, condizioni di salute mentale e suicidio tra le principali cause di morbilità e mortalità [4, 5]. Gran parte di questo carico è guidato da potenti industrie commerciali. Il tabacco commerciale, il cibo e le bevande non salutari e l'alcol si stima contribuiscano rispettivamente per 20%, 15% e 12% al divario di aspettativa di vita tra aborigeni e isolani dello Stretto di Torres e australiani non indigeni [6], mentre l'industria del gioco d'azzardo contribuisce a danni sociali, psicologici e finanziari [7] e a una considerevole proporzione di suicidi australiani [8]. La nostra ricerca ha identificato che il marketing di cibo non salutare, alcol e gioco d'azzardo è una preoccupazione chiave tra la popolazione aborigena [9, 10].

La commercializzazione di prodotti nocivi è diventata sempre più pervasiva negli ambienti fisici e digitali, plasmando le norme sociali e aumentando il desiderio, l'accettabilità e il consumo di prodotti non salutari [1]. La promozione aggressiva di tabacco, alcol e cibi malsani mina gli sforzi globali per prevenire e controllare le malattie non trasmissibili (MNT) [11], mentre l'esposizione alla pubblicità di prodotti non salutari sta guidando il consumo e danni correlati a livello sociale, emotivo, finanziario e intergenerazionale [12]. Negli ambienti digitali, inclusi siti web, social media, applicazioni mobili e giochi online, il marketing è ubiquo, spesso altamente personalizzato, mirato e interattivo, amplificato attraverso reti di pari e influencer online in modi che oscurano il suo intento commerciale [13]. Gli attori commerciali investono nel marketing sui social media per la sua ampia portata, basso costo e capacità di indirizzare e coinvolgere attivamente specifici pubblici [14]. Gli adulti aborigeni e dei Torres Strait Islander sono utenti attivi dei social media, con un sondaggio nazionale che ha rilevato che 85% utilizzano i social media in tutte le aree geografiche, con Facebook come piattaforma più popolare [15]. Questo alto livello di coinvolgimento con le piattaforme digitali rende il marketing digitale di prodotti non salutari particolarmente rilevante per le comunità aborigene e dei Torres Strait Islander; tuttavia, la natura effimera, opaca e algoritmicamente mirata della pubblicità online rende difficile il suo monitoraggio e regolamentazione [16].

Una sfida per i governi nell’implementare politiche e regolamenti efficaci sul marketing digitale è l’assenza di dati affidabili di monitoraggio ed esposizione [16]. Sia i dati sulle spese di marketing dell’industria sia le misure auto-riferite tendono a sottostimare l’effettiva esposizione al marketing digitale [17], mentre monitorare i contenuti online richiede molte risorse e solleva preoccupazioni sulla privacy [16]. Per questo motivo, l’Organizzazione Mondiale della Sanità ha chiesto nuove tecniche per monitorare l’esposizione al marketing digitale e il rispetto delle normative, nonché restrizioni sulla pubblicità verso i bambini e gruppi che possono essere maggiormente presi di mira dagli attori commerciali [16]. Si sa poco sull’esposizione delle popolazioni indigene al marketing digitale di prodotti non salutari. Questo rappresenta una lacuna significativa data la fondamentale rilevanza del diritto all’autodeterminazione e all’agenzia delle popolazioni indigene nelle decisioni che influenzano le loro vite [18], che un marketing commerciale mirato può attivamente minare.

Gli strumenti di intelligenza artificiale combinati con tecniche di registrazione dello schermo offrono un approccio promettente per monitorare l'esposizione individuale al marketing digitale. Sono stati sviluppati modelli di apprendimento automatico per rilevare automaticamente la commercializzazione di prodotti non salutari all'interno dei dati digitali [19]. I processi automatizzati di rilevamento ed estrazione riducono il tempo di analisi e la necessità per i ricercatori di visionare dati sensibili dei partecipanti, mentre la privacy può essere ulteriormente migliorata attraverso tecnologie di sfocatura del volto [20]. SCANNER è uno dei pochi sistemi automatizzati in grado di rilevare e classificare marchi di tabacco, sigarette elettroniche, alcol, gioco d’azzardo e prodotti alimentari e bevande, sia in dati immagini sia video, con elevati livelli di sensibilità [21]. Data la mancanza di prove sull'esposizione al marketing digitale nelle popolazioni indigene, lo studio pilota #DigitalMob ha cercato di utilizzare SCANNER per monitorare il marketing digitale non salutare tra gli Aboriginal. In particolare, miriamo a quantificare l’esposizione delle popolazioni aborigene al marketing digitale di cibo e bevande non salutari, alcol, gioco d’azzardo, tabacco e sigarette elettroniche, analizzare le differenze demografiche nell’esposizione al marketing; e descrivere la natura del marketing digitale rivolto ai pubblici aborigeni, includendo marchi, piattaforme e tipi e tattiche di marketing.

2.Metodi

Questo studio pilota faceva parte di un progetto di ricerca più ampio guidato da aborigeni sui determinanti commerciali della salute degli Aboriginal e dei Torres Strait Islander [22]. Il team di ricerca include ricercatori universitari aborigeni e non, con competenze nella ricerca sulla salute indigena e sui determinanti commerciali della salute, lavorando in collaborazione con enti nazionali e statali di rappresentanza degli Aboriginal Community Controlled Health Organisations (ACCHO). La supervisione è stata fornita da un comitato di governance dei dati indigeni per garantire che fossero rispettati i principi di autodeterminazione e sovranità dei dati indigeni. Riferiamo questo studio secondo la dichiarazione CONSIDER per rafforzare la segnalazione della ricerca sanitaria che coinvolge popolazioni indigene [23].

2.1.Disegno dello studio

Lo studio #DigitalMob è stato sviluppato a seguito di precedenti ricerche comunitarie con il settore ACCHO, che hanno identificato il marketing non salutare sui social media come una questione prioritaria [9, 10]. Abbiamo condotto uno studio pilota utilizzando un'applicazione mobile (Indeemo) per raccogliere registrazioni dello schermo dei social media dai partecipanti aborigeni e il SCANNER, un sistema di rilevamento del marketing abilitato all'IA, per quantificare l'esposizione dei partecipanti al marketing digitale non salutare. Riconoscendo la natura sensibile della raccolta dei dati digitali dei partecipanti, abbiamo collaborato strettamente con i partner ACCHO durante tutto il processo di ricerca e abbiamo impiegato una ricercatrice aborigena esperta (S.A.-B.), con sede in Victoria, per guidare il reclutamento e la raccolta dei dati dei partecipanti. Basandoci sui consigli delle nostre organizzazioni partner e sulle ulteriori considerazioni etiche coinvolte nella ricerca con bambini e adolescenti, abbiamo limitato lo studio pilota agli adulti. Pianifichiamo di utilizzare i risultati di questo pilota per informare future ricerche sul CDoH con un campione più ampio di partecipanti aborigeni e delle Isole dello Stretto di Torres, inclusi gruppi di età più giovani.

2.2.Partecipanti e Reclutamento

Abbiamo reclutato i partecipanti principalmente attraverso le reti dei membri aborigeni del team di ricerca e delle organizzazioni partner comunitarie. Un volantino di reclutamento è stato affisso nelle bacheche comunitarie e diffuso tramite social media, includendo un codice QR che rimandava a un sondaggio online per l'idoneità. Per essere idonei, i partecipanti dovevano vivere in Australia; identificarsi come aborigeni e/o delle Isole dello Stretto di Torres; avere un'età ≥ 18 anni; utilizzare un dispositivo digitale almeno una volta alla settimana; accedere ad almeno un account di social media; e poter fornire un consenso informato in inglese. I partecipanti idonei sono stati invitati a partecipare a un briefing di 10–15 min in videochiamata con un membro del team di ricerca (S.A.-B. o K.H.) per illustrare le procedure dello studio, rispondere a domande e affrontare eventuali preoccupazioni prima dell'inizio dello studio.

2.3.Raccolta Dati

Le registrazioni video dello schermo sono state raccolte tramite l'applicazione mobile Indeemo che i partecipanti hanno scaricato sul loro consueto dispositivo mobile. Ai partecipanti è stato chiesto di registrare i loro schermi in un giorno feriale e in un giorno del fine settimana, catturando circa un terzo del loro tempo medio giornaliero davanti allo schermo (ad esempio, 20 min se il tempo d'uso abituale era di 1 h), fino a un massimo di 60 min di registrazione al giorno. I partecipanti controllavano cosa e quando registrare, con istruzioni di mettere in pausa la registrazione durante attività private (ad esempio, messaggi personali, transazioni finanziarie) e potevano rivedere, modificare ed eliminare le registrazioni prima di caricarle in modo sicuro al team di ricerca.

Prima dell'analisi, tutte le registrazioni sono state elaborate mediante un'applicazione automatica di sfocatura dei volti per proteggere la privacy dei partecipanti e di terzi.

Una volta completate le registrazioni dello schermo, i partecipanti hanno compilato un sondaggio online (tramite Qualtrics). Il sondaggio raccoglieva informazioni su dati demografici, tempo medio di utilizzo dello schermo e comportamenti online. Il tempo medio giornaliero online è stato autosegnalato utilizzando opzioni di risposta categoriali (fino a 30 min, fino a 1 h, fino a 2 h e così via). I sondaggi sono stati testati con un membro aborigeno del team prima dell'implementazione per garantire appropriatezza e chiarezza. La raccolta dati è avvenuta tra gennaio e settembre 2025. Al termine, i partecipanti hanno ricevuto una carta regalo da $150 AUD come rimborso per il loro tempo. Alla conclusione dello studio, i partecipanti hanno anche ricevuto un riepilogo personalizzato della loro esposizione al marketing.

2.4.Gestione e Analisi dei Dati

Tutti i dati (registrazioni dello schermo e sondaggi) sono stati de-identificati, collegati tramite ID partecipante univoci e conservati in modo sicuro sul server dell'università, in conformità con l'approvazione etica e i protocolli di sicurezza dei dati. Le registrazioni dello schermo sono state analizzate usando SCANNER, un sistema IA addestrato a rilevare 141 marchi unici di alcol, 205 marchi di alimenti/bevande, 146 promozioni di giochi d'azzardo (inclusi tre piattaforme di criptovalute) e promozioni di tabacco, sigarette elettroniche e sacchetti di nicotina. Le rilevazioni di SCANNER sono limitate da un set fisso di segnali di marketing basati su immagini e testo. L'analisi è stata eseguita su unità di elaborazione grafica (GPU) sicure e controllate dall'istituzione. Lo sviluppo e la validazione di SCANNER sono stati descritti dettagliatamente altrove [21, 24].

Sono state identificate le istanze di marketing dall'output di SCANNER, che consisteva in brand rilevati per ogni fotogramma video a una frequenza di 16 fotogrammi al secondo. Le rilevazioni continue a livello di fotogramma sono state aggregate in singole "istanze" di marketing (conteggiate una sola volta) e sono state sottoposte a revisione manuale da un membro del team di ricerca (K.H.) per la verifica come veri positivi o falsi positivi, con questi ultimi rimossi dal dataset. I falsi negativi non sono stati valutati; pertanto, tutte le stime di esposizione al marketing sono conservative. Le istanze di marketing sono state quindi codificate manualmente in base ai canali digitali da cui sono state rilevate (ad esempio, Facebook, Instagram) e al tipo di contenuto (ad esempio, marchi e prodotti). Le piattaforme di trading di criptovalute sono state classificate come marchi di gioco d'azzardo data la natura speculativa e ad alto rischio del trading di criptovalute e le evidenze emergenti che lo collegano ai danni del gioco d'azzardo [25].

Le istanze di marketing sono state codificate come a pagamento, possedute o guadagnate. Il marketing a pagamento include pubblicità, contenuti sponsorizzati e marketing di influencer; il marketing posseduto include canali controllati dall'azienda, siti web o app; e il marketing guadagnato include contenuti generati dagli utenti non pagati, meme e condivisioni online [26]. Abbiamo anche codificato se le istanze di marketing includevano tattiche di "call to action" come "Compra ora" o "Scopri di più" e se qualcuna conteneva contenuti di marketing specifici per gli Indigeni (ad esempio, con persone indigene, opere d'arte, eventi). La codifica è stata svolta da K.H., con 55 registrazioni (circa 10% delle rilevazioni) codificate in modo indipendente da un secondo ricercatore (T.W.) per valutare l'affidabilità. L'accordo sul quadro di codifica finale è stato del 90.9%, con cinque discrepanze relative alla classificazione della piattaforma (n = 4) e al tipo di marketing a pagamento (n = 1), risolte tramite discussione. Ulteriori cinque discrepanze riguardavano un codice successivamente rimosso dal quadro e sono state escluse dai calcoli di affidabilità. Nessuna discrepanza nella codifica riguardava se le rilevazioni fossero considerate veri positivi.

2.5.Analisi Statistica

Le statistiche descrittive sono presentate come medie e mediane con intervalli interquartili (IQR), riflettendo la distribuzione asimmetrica delle rilevazioni di marketing. L'esposizione quotidiana al marketing non salutare è stata stimata utilizzando un metodo validato [27]. Il tempo quotidiano medio trascorso online è stato derivato da risposte categoriali al sondaggio, con le categorie di risposta convertite in minuti stimati al giorno (30, 60, 120 min ecc.). Per ogni partecipante, il tasso osservato di rilevazione di brand è stato calcolato come numero di istanze di marketing rilevate dalle registrazioni dello schermo diviso per la durata totale della registrazione in minuti. Questo tasso di rilevazione a livello di partecipante è stato quindi moltiplicato per il tempo quotidiano stimato trascorso online per ottenere un numero stimato di brand incontrati al giorno. La mediana di queste stime a livello di partecipante è stata calcolata per descrivere l'esposizione complessiva ai brand. Un test post hoc di Mann–Whitney U e un'estensione di Fisher–Freeman–Halton del test esatto di Fisher sono stati utilizzati per esaminare le differenze nelle rilevazioni di marketing tra giovani maschi (≤ 30 anni) e altri partecipanti. Le analisi statistiche sono state condotte usando Stata versione 19.0. Tutti i partecipanti hanno fornito dati completi di registrazione dello schermo. I dati mancanti erano limitati al sondaggio post-studio. Le statistiche descrittive sono state calcolate usando i dati disponibili.

2.6.Etica

L'approvazione etica è stata concessa dal Comitato Etico per la Ricerca Umana dell'Università di Deakin (2004/HE000219) e dal Comitato Etico per la Ricerca Umana della Menzies School of Health Research (2024–5008). Il protocollo dello studio è stato approvato dal gruppo di Governance dei Dati Indigeni prima dell'inizio della raccolta dati. Tutti i partecipanti hanno fornito consenso informato.

2.7.Ruolo della Fonte di Finanziamento

I finanziatori di questo studio non hanno avuto alcun ruolo nella progettazione dello studio, nella raccolta, analisi, interpretazione dei dati, nella scrittura del manoscritto o nella decisione di sottoporlo per la pubblicazione.

3.Risultati

3.1.Caratteristiche dei Partecipanti

Dei 210 partecipanti che hanno completato il sondaggio di idoneità, 94 erano idonei e 31 hanno completato lo studio. La ragione principale per la non partecipazione è stata la mancata risposta ai contatti di follow-up. Tutti erano aborigeni, la maggior parte femmine (n = 22, 71%), con 29% che risiedevano nelle grandi città, 68% in aree regionali e 3% in aree remote. Le partecipanti femmine avevano un'età mediana di 40.5 anni (range: 19–67), mentre i maschi avevano un'età mediana di 30.0 anni (range: 22–54). Le caratteristiche dei partecipanti e un sommario dell'uso del dispositivo e del comportamento online sono presentati nelle Tabelle 1 e 2 rispettivamente.

TABELLA 1 Caratteristiche dei partecipanti.

Caratteristica Partecipanti (n = 31)

Sesso

Femmine 22 (71%)

Maschi 9 (29%)

Aborigenità

Aborigeni 31 (100%)

Islander dello Stretto di Torres 0 (0%)

Sia Aborigeni sia Islander dello Stretto di Torres 0 (0%)

Stato/territorio

Victoria 22 (71%)

Nuovo Galles del Sud 5 (16%)

Territorio del Nord 3 (10%)

Queensland 1 (3%)

Australia Occidentale 0 (0%)

Tasmania 0 (0%)

Australia Meridionale 0 (0%)

Territorio della Capitale Australiana 0 (0%)

Ruralità

Grande città 9 (29%)

Regione interna 18 (58%)

Regione esterna 3 (10%)

Remoto 1 (3%)

Età

Sotto 18 0 (0%)

18–24 4 (13%)

25–34 6 (19%)

35–44 9 (29%)

45–54 7 (23%)

55–64 3 (10%)

65+ 2 (6%)

TABELLA 2 Riassunto dell’accesso digitale dei partecipanti.

Accesso digitale Partecipanti

Tutti i dispositivi digitali accessibili a casa (n = 28)a

Smartphone 28 (100%)

Laptop/computer 12 (43%)

Smart TV 9 (32%)

Tablet 4 (14%)

Console di gioco 1 (4%)

Kindle 1 (4%)

Tutte le piattaforme social media utilizzate (n = 28)a

Facebook 26 (93%)

Instagram 20 (71%)

YouTube 19 (68%)

Snapchat 14 (50%)

LinkedIn 12 (43%)

TikTok 9 (32%)

Pinterest 8 (29%)

Reddit 1 (4%)

Tempo stimato trascorso online giornalmente (n = 31)

30 min 4 (13%)

60 min 7 (23%)

2 h 12 (39%)

4 h 5 (16%)

5 h 2 (6%)

6 h 1 (3%)

aTre dei 31 partecipanti non hanno risposto a queste domande.

3.2. Esposizione al Marketing Digitale

SCANNER ha rilevato marketing nelle registrazioni dello schermo di 29 su 31 partecipanti (94%; intervallo di confidenza 95% CI: 78.6%–99.2%). In totale sono state identificate 587 istanze di marketing in tutte le registrazioni, con una mediana di 12 rilevamenti per partecipante (intervallo: 0–118). Un partecipante ha registrato un numero e un tasso di rilevazioni notevolmente elevati (n = 118 sulle 62.7 minuti registrati), contribuendo all’ampio intervallo osservato. I partecipanti di sesso maschile di età ≤ 30 anni hanno registrato tassi di rilevazione del marketing significativamente più alti (media mediana di marchi per minuto delle registrazioni dello schermo) rispetto a tutti gli altri partecipanti nel complesso (z = −3.33, p < 0.001) e per specifici marketing di alimenti (z = −2.47, p < 0.01), alcool (z = −2.97, p < 0.01) e giochi d’azzardo (z = −3.57, p < 0.001) specificamente. È stata trovata un’associazione statisticamente significativa tra i terzili del tasso di rilevazione dei marchi per minuto di registrazione dello schermo per questi gruppi (maschi di età ≤ 30 anni vs. tutti gli altri partecipanti); test esatto di Fisher–Freeman–Halton, p < 0.01.

Delle 587 istanze di marketing rilevate, 278 (47%) erano per marchi alimentari, 163 (28%) per il gioco d’azzardo, 90 (15%) per l’alcool, 52 (9%) per bevande zuccherate e quattro (1%) per il tabacco (Tabella 3). Non è stata rilevata alcuna pubblicità di sigarette elettroniche o sacchetti di nicotina e l’unico contenuto su sigarette elettroniche identificato era nelle campagne anti-vaping. Delle 163 rilevazioni di gioco d’azzardo, 18 (11%) erano per piattaforme di criptovalute. Le restanti 145 rilevazioni di gioco d’azzardo comprendevano scommesse online (n = 106, 65%), seguite da lotterie (n = 30, 18%) e casinò (n = 9, 6%). I ristoranti a servizio rapido erano la sottocategoria alimentare più frequentemente rilevata (n = 156, 56%), seguiti da cioccolateria (n = 40, 14%), piattaforme di consegna di cibo (n = 32, 12%) e snack salati (n = 25, 9%). All’interno della categoria alcool, i marchi di birra sono stati i più frequentemente rilevati (n = 42, 47%), seguiti dai rivenditori di alcolici (n = 27, 30%). La Tabella 4 fornisce un dettaglio dei marchi più frequentemente rilevati all’interno di ciascuna categoria di prodotto.

TABELLA 3 Caratteristiche delle istanze di marketing rilevate nelle registrazioni dello schermo dei partecipanti per categoria e sottocategoria e distribuzioni specifiche di gruppo di marchi stimati per giorno.

Categoria e sottocategoria di prodotto Totale rilevazioni, n (% del totale rilevazioni) Mediana/giorno (IQR)

Alimenti 278 (47%) 18.4 (5.0–46.8)

Ristorante a servizio rapido 156 (56%)

Cioccolateria 40 (14%)

Piattaforma di consegna cibo 32 (12%)

Snack salati 25 (9%)

Cereali per la colazione 8 (3%)

Snack dolci 17 (6%)

Bevande zuccherate 52 (9%) 2.5 (0–10.9)

Bevande analcoliche gassate 28 (54%)

Bevanda sportiva 12 (23%)

Energy drink 9 (17%)

Tè freddo 1 (2%)

Bevanda alla frutta 1 (2%)

Altri 1 (2%)

Alcol 90 (15%) 2.9 (0–17.6)

Birra 42 (47%)

Rivenditori di alcol 27 (30%)

Superalcolici 14 (16%)

Pronto da bere 4 (4%)

Vino 3 (3%)

Gioco d’azzardo 163 (28%) 4.1 (0–23.5)

Scommesse online 106 (65%)

Lotterie e gratta e vinci 30 (18%)

Cripto 18 (11%)

Casinò 9 (6%)

Tabacco e sigarette elettroniche 4 (1%) N/D

Tabacco 4 (100%)

Sigarette elettroniche 0 (0%)

Sacchetti di nicotina 0 (0%)

Tutti i prodotti 587 (100%) 40.4 (11.0–92.3)

Abbreviazione: IQR = intervallo interquartile.

TABELLA 4·Migliori marchi identificati dalle istanze di marketing rilevate nelle registrazioni dello schermo (n = 587).

Categoria di prodotto e marchio Numero di rilevazioni (% di tutte le rilevazioni)

Alimenti—ristorante a servizio rapido

McDonalds 62 (11%)

KFC 50 (9%)

Hungry Jack's 13 (2%)

7‐Eleven 7 (1%)

Domino's Pizza 6 (1%)

Alimenti—cioccolateria

Cadbury 14 (2%)

Lindt 8 (1%)

KitKat 5 (1%)

Kinder 3 (1%)

Maltesers 2 (0%)

Alimenti—piattaforma di consegna cibo

Uber Eats 18 (3%)

Menulog 12 (2%)

Door Dash 2 (0%)

Alimenti—snack salati

Doritos 7 (1%)

Twisties 4 (1%)

Heinz 3 (1%)

Red Rock Deli 3 (1%)

Mission 3 (1%)

Alimenti—cereali per la colazione

Milo 4 (1%)

Nestlé 2 (0%)

Weet‐Bix 1 (0%)

Kellog's 1 (0%)

Alimenti—snack dolci

Uncle Toby's 4 (1%)

Oreo 4 (1%)

Arnott's 2 (0%)

Kirspy Kreme 2 (0%)

Bevande zuccherate

Coca‐Cola 12 (2%)

Pepsi 11 (2%)

Gatorade 9 (2%)

Monster 5 (1%)

Powerade 3 (1%)

Red Bull 2 (0%)

Alcol—birra

Great Northern 12 (2%)

James Squire 6 (1%)

XXXX 5 (1%)

Carlton Draught 4 (1%)

Victoria Bitter 5 (1%)

Alcol—rivenditori di alcolici

BWS 11 (2%)

Dan Murphy's 6 (1%)

Liquorland 6 (1%)

Alcolici—distillati

Jim Beam 4 (1%)

Jack Daniel's 3 (1%)

Baileys 3 (1%)

Alcolici—pronti da bere

Hard Rated 3 (1%)

Woodstock 1 (0%)

Alcolici—vino

Squealing Pig 2 (0%)

GH Mumm 1 (0%)

Gioco d'azzardo—scommesse online

Sportsbet 23 (4%)

Ladbrokes 15 (3%)

MultiBet 14 (2%)

TAB 9 (2%)

POINTSBET 9 (2%)

Neds 8 (1%)

Dabble 6 (1%)

Gioco d'azzardo—lotterie e gratta e vinci

The Lott 22 (4%)

Oz Lotto 4 (1%)

Keno 3 (1%)

Powerball 1 (0%)

Gioco d'azzardo—criptovalute

Crypto.com 9 (2%)

swyftx 6 (1%)

CoinSpot 3 (1%)

Gioco d'azzardo—casino

The STAR 7 (1%)

Roulette 1 (0%)

Lasseters Casino 1 (0%)

Tabacco e sigarette elettroniche—tabacco

Marlboro 3 (1%)

Winfield 1 (0%)

Altri (marchi non mostrati)a
86 (15%)

Totale 587 (100%)

aMarchi individuali non elencati nella tabella a causa del basso numero.

Quasi la metà delle istanze di marketing sono state rilevate su Facebook (n = 283, 48%), seguita da Instagram (n = 113, 19%), riflettendo la popolarità di queste piattaforme nel nostro campione (Tabella 2). La Tabella 5 fornisce una suddivisione completa delle rilevazioni di marchi across tutte le piattaforme e categorie di prodotto. La maggior parte delle rilevazioni riguardava marketing a pagamento (n = 377, 64%), principalmente pubblicità e sponsorizzazioni sportive, seguite dal marketing proprietario (n = 105, 18%), principalmente applicazioni visibili nelle schermate iniziali, e marketing guadagnato (n = 6, 1%), comprendente contenuti generati dagli utenti e meme. Questo schema è stato coerente tra le categorie di prodotto, ad eccezione delle quattro rilevazioni di tabacco: due erano pubblicità per merchandising con immagini storiche di sponsorizzazioni della Formula 1 e due erano meme. Quasi un quarto (n = 135, 23%) delle istanze di marketing includeva una chiamata all'azione (Tabella 6). L’unico contenuto di marketing specifico per indigene rilevato è stato un annuncio su Facebook per il turno indigeno della Australian Football League, che presentava immagini di sponsorizzazione di McDonalds e KFC.

TABELLA 5 Rilevazioni di marketing across piattaforme e categorie di prodotto.

Canale digitale Cibo (n = 278) Bevande zuccherate (n = 52) Alcol (n = 90) Tabacco (n = 4) Gioco d'azzardo (n = 163) Totale (n = 587)

Facebook 133 (48%) 23 (45%) 55 (61%) 2 (50%) 70 (43%) 283 (48%)

Instagram 55 (20%) 13 (25%) 18 (20%) 2 (50%) 25 (15%) 113 (19%)

TikTok 18 (6%) 10 (19%) 4 (4%) 0 14 (9%) 46 (8%)

Google 0 0 0 0 8 (5%) 8 (1%)

App su schermata iniziale 57 (21%) 0 6 (7%) 0 35 (21%) 98 (17%)

App AFL 13 (5%) 0 0 0 8 (5%) 21 (4%)

Pinterest 2 (1%) 3 (6%) 6 (7%) 0 1 (1%) 12 (2%)

LinkedIn 0 3 (6%) 0 0 0 3 (1%)

SMS 0 0 0 0 1 (1%) 1 (0%)

Spotify 0 0 0 0 1 (1%) 1 (0%)

YouTube 0 0 1 (1%) 0 0 1 (0%)

Abbreviazioni: h/s, schermata iniziale; SMS, servizio di messaggi brevi (messaggi di testo).

TABELLA 6 Chiamate all'azione identificate nel marketing digitale.

Chiamata all'azione n (%)

Scopri di più 45 (33%)

Acquista ora 33 (24%)

Prenota ora 12 (9%)

Iscriviti 5 (4%)

Scarica 2 (2%)

Altro a
38 (28%)

Totale 135 (100%)

aL'altro includeva: ‘Partecipa in negozio o online’, ‘Compra il catalogo’, ‘Segui’, ‘Installa ora’, ‘Chatta su Messenger’, ‘Compra i biglietti’, ‘Vedi il menu’ e ‘Clicca qui’.

3.3. Esposizione Giornaliera Stimata al Marketing Digitale Non Salutare

Dato il numero molto basso di rilevazioni di marchi di tabacco (n = 4), il tabacco è stato escluso dalle stime di esposizione giornaliera. Basandoci sul tempo quotidiano segnalato dai partecipanti trascorso online, abbiamo stimato un'esposizione mediana giornaliera di 40 istanze di contenuto brandizzato non salutare (IQR: 11–92; intervallo: 0–365). L'esposizione giornaliera stimata variava considerevolmente tra i partecipanti e le categorie di prodotto (Tabella 3). I marchi alimentari hanno avuto la più alta esposizione media giornaliera stimata (media: 35.5, mediana: 18.4, IQR: 5.0–46.8), seguiti dal gioco d'azzardo (media: 21.6, mediana: 4.1, IQR: 0–23.5), marchi di alcolici (media: 11.6, mediana: 2.9, IQR: 0–17.6) e marchi di bevande zuccherate (media: 6.9, mediana: 2.5, IQR: 0–10.9). Il quartile inferiore per alcolici, gioco d'azzardo e bevande zuccherate era zero.

4. Discussione

#DigitalMob è il primo studio a quantificare l'esposizione dei popoli Aboriginal al marketing online di prodotti non salutari. Quasi tutti i partecipanti (94%) sono stati esposti a marketing digitale non salutare, attraverso molteplici piattaforme, con marchi di cibo (47%) e bevande (9%) che rappresentano più della metà delle rilevazioni e il gioco d'azzardo oltre un quarto (28%). La media del tasso di esposizione al marketing di cibo non salutare rilevata nel nostro studio (0.25 istanze per minuto di registrazione online) era comparabile ai tassi riportati tra gli adolescenti (0.26 per minuto) in uno studio canadese che ha utilizzato occhiali per il tracciamento oculare durante l'uso dei social media [28], sebbene un confronto diretto sia limitato a causa di differenze metodologiche. I partecipanti maschi di età ≤ 30 anni hanno registrato un numero significativamente più alto di rilevazioni pubblicitarie relative a più prodotti non salutari. Sebbene questi risultati debbano essere interpretati con cautela data la piccola dimensione del sottogruppo (n = 5), essi sono coerenti con le evidenze che i giovani e in particolare i giovani uomini sono esposti in maniera sproporzionata al marketing di cibo non salutare, alcol e gioco d'azzardo [29, 30, 31]. Questo schema merita ulteriori approfondimenti in studi di dimensioni maggiori. Insieme alla ricerca da Aotearoa/Nuova Zelanda che ha rilevato che i bambini Māori erano esposti in maniera sproporzionata a marketing di prodotti non salutari [32], i nostri risultati evidenziano la necessità di intervenire per contrastare i Determinanti Commerciali della Salute (CDoH) per i popoli indigeni a livello globale.

Abbiamo riscontrato che il marketing non salutare raggiunge i partecipanti attraverso molteplici vie digitali, indicando probabilmente le strategie integrate impiegate dagli attori commerciali, come le “call to action” per stimolare il coinvolgimento dei consumatori. Facebook ha dominato sia l'uso della piattaforma che le rilevazioni di marketing, coerentemente con il profilo d’età più elevato del nostro campione e ricerche precedenti che suggeriscono che Facebook è la piattaforma social media più popolare tra gli adulti Aboriginal e Torres Strait Islander [15]. I due partecipanti senza rilevazioni di marketing utilizzavano principalmente LinkedIn, una piattaforma rivolta a professionisti con una politica pubblicitaria più rigida che vieta pubblicità sul gioco d’azzardo [33]. Le evidenze disponibili suggeriscono che Instagram, TikTok e Snapchat probabilmente sarebbero più presenti tra coorti di partecipanti più giovani [34].

Lo sponsorizzazione sportiva è stata la seconda fonte più comune di marketing digitale non salutare, con rilevazioni che spaziavano tra cibo, bevande zuccherate, alcol e gioco d'azzardo su siti di streaming, post sui social media e tramite applicazioni mobili, ed è stata l'unica fonte di contenuti di marketing specifici per indigene. Ricerche precedenti in Australia hanno evidenziato pubblicità e sponsorizzazioni di cibo non salutare, alcol e gioco d’azzardo nello sport, incluso l’AFL [35], tuttavia, a nostra conoscenza, il nostro studio è il primo a identificare la sponsorizzazione sportiva come veicolo per l'esposizione al marketing non salutare sulle piattaforme digitali.

In linea con le restrizioni australiane leader mondiali sul marketing del tabacco, il numero di rilevazioni relative al tabacco è stato basso e non è stata rilevata pubblicità di sigarette elettroniche o buste di nicotina. Tuttavia, la presenza di contenuti correlati al tabacco, inclusi meme e merchandise retro di sponsorizzazione della Formula 1, suggerisce che i marchi di tabacco continuano a raggiungere il pubblico attraverso canali nuovi, anche dove la pubblicità a pagamento è vietata, normalizzando i marchi di tabacco in modi non coperti dalle normative attuali. L'assenza di promozioni di sigarette elettroniche e buste di nicotina nel nostro campione è stata inattesa dato l'ampiezza del mercato illecito e le recenti evidenze australiane che suggeriscono una promozione diffusa di buste di nicotina sui social media [36].

Sebbene la maggior parte (64%) delle rilevazioni di marchi nel nostro studio fosse marketing a pagamento, inclusi annunci pubblicitari e sponsorizzazioni sportive, una parte sostanziale consisteva in marketing di proprietà e guadagnato, come applicazioni mobili, profili social media delle aziende e contenuti generati dagli utenti. Le evidenze suggeriscono che i contenuti sui social media condivisi da coetanei e influencer possono essere particolarmente influenti nel modellare atteggiamenti, norme sociali e comportamenti legati alla salute [37], con ricerche qualitative condotte tra giovani Aboriginal che hanno rilevato come i contenuti generati dagli utenti relativi all'alcol fossero percepiti come normalizzazione della cultura del bere attraverso l'influenza dei pari e una pratica sociale performativa [34]. L'esposizione ad alti volumi di marketing di prodotti non salutari, come identificato nel nostro studio, ha il potenziale di influenzare i comportamenti di consumo e contribuire al carico sproporzionato di malattie non trasmissibili e condizioni di salute mentale sperimentato dai popoli Aboriginal e Torres Strait Islander.

Le attuali politiche australiane per proteggere le comunità dal marketing di prodotti non salutari si basano fortemente sull'autoregolamentazione dell'industria, che presenta limiti in termini di ambito, governance ed efficacia [38, 39]. Il marketing digitale opera attraverso account, algoritmi, piattaforme e confini geografici che i tradizionali regolatori dei media non sono stati progettati per monitorare o controllare [16]. Le nuove riforme pubblicitarie australiane sul gioco d'azzardo, entrate in vigore nel 2027, non raggiungono il divieto completo raccomandato da un'inchiesta parlamentare [40], mentre inchieste più recenti e rapporti commissionati dal governo hanno raccomandato regolamentazioni obbligatorie sul marketing degli alcolici [41] e restrizioni complete sul marketing di cibi e bevande non salutari rivolto ai bambini [42]. L'impegno del governo australiano per una legislazione digitale sul dovere di cura, che obbliga le piattaforme a fornire ambienti online sicuri e offre agli utenti la scelta tra feed algoritmici o cronologici, rappresenta un'opportunità per estendere le protezioni al marketing di prodotti non salutari. Gli elevati volumi di marketing di gioco d'azzardo, alcolici e cibi non salutari rilevati nel nostro studio sottolineano l'urgente necessità di restrizioni obbligatorie e complete sul marketing digitale, affiancate da obblighi applicabili a livello di piattaforma.

Questo studio dimostra l'utilità della combinazione della registrazione dello schermo tramite un'applicazione mobile con il rilevamento automatizzato usando SCANNER per quantificare l'esposizione al marketing digitale non salutare tra adulti aborigeni. Oltre a quantificare l'esposizione, questa metodologia potrebbe essere applicata per monitorare la conformità alle restrizioni di marketing e ai codici di autoregolamentazione dell'industria, per informare e valutare interventi regolatori. Il nostro approccio di registrazione dello schermo ha catturato le attività online quotidiane dei partecipanti sui loro dispositivi personali, supportando l'autonomia dei partecipanti sulla raccolta dei dati e permettendo la stima dell'esposizione al marketing digitale nel mondo reale. Nel complesso, i nostri risultati indicano l'utilità di questa metodologia per studi su larga scala sull'esposizione al marketing digitale non salutare tra i popoli aborigeni e delle Isole dello Stretto di Torres.

Lo studio è stato rafforzato dalla sua governance e implementazione guidate da persone aborigene, inclusa l'impiego di ricercatori aborigeni che hanno guidato i processi di reclutamento, raccolta dati e analisi, il rispetto dei principi di sovranità e governance dei dati indigeni e la fornitura di riassunti personalizzati sull'esposizione al marketing ai partecipanti come beneficio reciproco della partecipazione. I risultati dello studio sono stati presentati ai partner del settore ACCHO e condivisi in un rapporto comunitario per informare future politiche e attività di advocacy [43].

L'uso di SCANNER per rilevare i contenuti pubblicitari è stato un ulteriore punto di forza, permettendo l'analisi di un grande volume di dati video salvaguardando la privacy dei partecipanti evitando l'accesso dei ricercatori a contenuti personali. La verifica manuale di tutte le rilevazioni per rimuovere falsi positivi ha aumentato l'accuratezza dei risultati. Tuttavia, la nostra capacità di stimare l'esposizione al marketing è limitata dai marchi che SCANNER è addestrato a riconoscere, basati sui marchi principali per quota di mercato in ciascuna categoria [21, 24]. È possibile che marchi più piccoli e emergenti siano stati mancati ed è stato impossibile valutare i falsi negativi. Pertanto, le nostre stime di esposizione al marketing dovrebbero essere considerate conservative.

Le limitazioni includono anche le dimensioni ridotte del campione, che limitano la generalizzabilità e l'interpretazione dei risultati. Sebbene tutti i partecipanti si siano identificati come aborigeni, nessuno era appartenente alle popolazioni delle Isole dello Stretto di Torres, e il campione era prevalentemente femminile, con residenza in Victoria e con età superiore alla media nazionale per gli aborigeni e le popolazioni delle Isole dello Stretto di Torres [44], quindi probabilmente non rappresenta le esperienze di tutte le popolazioni aborigene e delle Isole dello Stretto di Torres, in particolare maschi, giovani adulti e coloro che vivono in comunità remote e delle Isole dello Stretto di Torres. Inoltre, le registrazioni dello schermo effettuate in un giorno feriale e uno festivo potrebbero non aver catturato un campione rappresentativo dell'esposizione settimanale al marketing, ed è possibile che i partecipanti abbiano modificato il proprio comportamento online durante la registrazione. La nostra stima dell'esposizione quotidiana al marketing presuppone che il tasso di esposizione osservato durante le registrazioni fosse rappresentativo dell'attività online più ampia dei partecipanti, con le registrazioni che catturano soltanto una frazione dell'uso giornaliero abituale. Inoltre, la nostra dipendenza dal tempo online auto-riportato per stimare l'esposizione giornaliera costituisce un'ulteriore limitazione, dato che il tempo di schermo auto-riportato sottostima spesso il reale utilizzo di dispositivi digitali [45], suggerendo ulteriormente che le nostre stime di esposizione quotidiana rimangono conservative.

Nonostante queste limitazioni, #DigitalMob fornisce la prima evidenza della natura e dell'estensione dell'esposizione degli adulti aborigeni al marketing online di prodotti non salutari, indicando la portata del problema e fornendo una metodologia per un monitoraggio continuo utile a informare e valutare azioni regolatorie.

5.Conclusione

I nostri risultati rivelano la pervasività della commercializzazione di alimenti e bevande non salutari, del gioco d'azzardo e dell'alcol nella vita digitale quotidiana dei partecipanti e dimostrano l'utilità di SCANNER come strumento etico e scalabile per monitorare l'esposizione al marketing. Da una prospettiva CDoH, i nostri risultati evidenziano l'entità dell'esposizione degli adulti Aboriginal a marketing di merci non salutari su molteplici piattaforme digitali, con il potenziale di contribuire al carico sproporzionato di MDC, condizioni di salute mentale e più ampie disuguaglianze sanitarie imposte dalla colonizzazione. Sebbene siano stati compiuti alcuni progressi nella restrizione del marketing del gioco d'azzardo in Australia, è urgentemente necessaria una regolamentazione più completa del marketing digitale non salutare su tutte le categorie di merci. Questa metodologia potrebbe supportare una valutazione efficace ed efficiente di tali politiche.

Le ricerche future con campioni più ampi di popolazioni Aboriginal e delle Isole dello Stretto di Torres, inclusa l'esplorazione dei legami tra esposizione al marketing digitale, comportamenti legati alla salute e risultati di salute, rafforzerebbero la base di prove per informare le politiche e individuare opportunità di advocacy per le comunità Aboriginal e delle Isole dello Stretto di Torres per sfidare il marketing digitale dannoso e promuovere l'equità sanitaria. Fondamentale per questo percorso dalla ricerca alla politica è l'inserimento dei principi di sovranità dei dati indigeni e autodeterminazione per garantire che i popoli Aboriginal e delle Isole dello Stretto di Torres guidino le decisioni su come i loro dati siano utilizzati per ricerca e politica e per resistere allo sfruttamento commerciale delle comunità Aboriginal e delle Isole dello Stretto di Torres attraverso un marketing digitale dannoso.

Contributi degli Autori

Jennifer Browne: concettualizzazione, supervisione, analisi formale, acquisizione fondi, scrittura – bozza originale, scrittura – revisione e modifica. Nichole Lister: cura dei dati, analisi formale, gestione del progetto, scrittura – bozza originale, scrittura – revisione e modifica. Kathryn Backholer: concettualizzazione, metodologia, supervisione, scrittura – revisione e modifica. Karen Hill: gestione del progetto, indagine, analisi formale, scrittura – bozza originale, scrittura – revisione e modifica. Alessandro Crocetti: concettualizzazione, analisi formale, scrittura – bozza originale, scrittura – revisione e modifica. Troy Walker: concettualizzazione, cura dei dati, analisi formale, indagine, scrittura – revisione e modifica. Sharon Atkinson‐Briggs: concettualizzazione, cura dei dati, indagine, scrittura – revisione e modifica. Navoda Liyana Pathirana: metodologia, scrittura – revisione e modifica. Beau Cubillo: cura dei dati, indagine, scrittura – revisione e modifica. Florentine Martino: cura dei dati, indagine, scrittura – revisione e modifica. Simone Sherriff: cura dei dati, indagine, scrittura – revisione e modifica. Lee Yeomans: indagine, scrittura – revisione e modifica. Fiona Mitchell: metodologia, scrittura – revisione e modifica. Stephanie Thow: indagine, scrittura – revisione e modifica. Phuong Nguyen: metodologia, scrittura – revisione e modifica. Jaithri Ananthapavan: metodologia, supervisione, scrittura – revisione e modifica. Steve Allender: concettualizzazione, supervisione, scrittura – revisione e modifica. Yin Paradies: supervisione, cura dei dati, acquisizione fondi, indagine, scrittura – revisione e modifica. Tutti gli autori hanno approvato la versione finale del manoscritto e accettano di essere responsabili di tutti gli aspetti del lavoro.

Finanziamento

Questo lavoro è stato supportato dal National Health and Medical Research Council (GNT2035274 e GNT2027736) e dalla Victorian Health Promotion Foundation.

Dichiarazione Etica

L'approvazione etica è stata concessa dal Comitato Etico per la Ricerca sull'Uomo dell'Università Deakin (2004/HE000219) e dal Comitato Etico per la Ricerca sull'Uomo della Menzies School of Health Research (2024–5008). Il protocollo dello studio è stato approvato dal gruppo di Governance dei Dati Indigeni prima dell'inizio della raccolta dati. Tutti i partecipanti hanno fornito il consenso informato.

Consenso

Gli autori non hanno nulla da dichiarare.

Conflitti di Interesse

Gli autori dichiarano di non avere conflitti di interesse.

Ringraziamenti

Questo studio è stato finanziato dal National Health and Medical Research Council (GNT2035274, GNT2027736) e dalla Victorian Health Promotion Foundation attraverso la sua iniziativa Impact Research Grants. Gli autori desiderano riconoscere e ringraziare tutti i partecipanti aborigeni per il loro tempo e la loro conoscenza. Vorremmo inoltre riconoscere le organizzazioni aborigene che hanno aiutato a guidare lo studio dall'inizio alla fine. Esse includono la National Aboriginal Community Controlled Health Organisation, la Victorian Aboriginal Community Controlled Health Organisation, il Queensland Aboriginal and Islander Health Council e l'Aboriginal Health and Medical Research Council. Riconosciamo, in particolare, tutte le tribù e i gruppi clan aborigeni, comprese le loro terre, mari e acque, dove questa ricerca è stata condotta. La pubblicazione ad accesso aperto è stata facilitata dalla Deakin University, nell'ambito dell'accordo Wiley ‐ Deakin University tramite il Council of Australasian University Librarians.

Browne J., Lister N., Backholer K., et al., “Unhealthy Digital Marketing Among Aboriginal People in Australia: Findings From the #DigitalMob Pilot Study,” Health Promotion Journal of Australia
38, no. 1 (2027): e70270, 10.1002/hpja.70270.

Editore responsabile: Carmel Williams

Dichiarazione sulla disponibilità dei dati

I dati delle catture dello schermo non sono pubblicamente disponibili a causa delle condizioni di approvazione etica e delle considerazioni sulla sovranità dei dati indigeni.

Riferimenti

1.
Gilmore A. B., Fabbri A., Baum F., et al., “Defining and Conceptualising the Commercial Determinants of Health,” Lancet
401, no. 10383 (2023): 1194–1213, 10.1016/S0140-6736(23)00013-2.

2.
Lacy‐Nichols J., Marten R., Crosbie E., and Moodie R., “The Public Health Playbook: Ideas for Challenging the Corporate Playbook,” Lancet Global Health
10, no. 7 (2022): e1067–e1072, 10.1016/S2214-109X(22)00185-1.

3.
Ireland R., Bunn C., Reith G., et al., “Commercial Determinants of Health: Advertising of Alcohol and Unhealthy Foods During Sporting Events,” Bulletin of the World Health Organization
97, no. 4 (2019): 290–295, 10.2471/BLT.18.220087.

4.
Eisenkraft Klein D. and Shawanda A., “Bridging the Commercial Determinants of Indigenous Health and the Legacies of Colonization: A Critical Analysis,” Global Health Promotion
31, no. 2 (2024): 17579759231187614, 10.1177/17579759231187614.

5.
Australian Institute of Health and Welfare
, First Nations Burden of Disease Study 2022: September 2026 Update, Catalogue Number BOD 41 (AIHW, 2026).

6.
Australian Institute of Health and Welfare
, “Australian Burden of Disease Study: Impact and Causes of Illness and Death in Aboriginal and Torres Strait Islander People 2018,” Australian Burden of Disease Study Series No. 26, Catalogue Number BOD 32. Report No.: 1760540005 (AIHW, 2022).

7.
Wardle H., Degenhardt L., Marionneau V., et al., “The Lancet Public Health Commission on Gambling,” Lancet Public Health
9 (2024): e950–e994, 10.1016/S2468-2667(24)00167-1.

8.
Rintoul A., Dwyer J., Millar C., Bugeja L., and Nguyen H., “Gambling‐Related Suicide in Victoria, Australia: A Population‐Based Cross‐Sectional Study,” Lancet Regional Health–Western Pacific
1 (2023): 41.

9.
Browne J., Walker T., Hill K., et al., “Food Policies for Aboriginal and Torres Strait Islander Health (FoodPATH): A Systems Thinking Approach,” Food Policy
126 (2024): 102676.

10.
Crocetti A. C., Walker T., Mitchell F., et al., “Making Big Business Everybody's Business: Aboriginal Leaders' Perspectives on Commercial Activities Influencing Aboriginal Health in Victoria, Australia,” Globalization and Health
20, no. 1 (2024): 33, 10.1186/s12992-024-01038-8.

11.
Tangcharoensathien V., Chandrasiri O., Kunpeuk W., Markchang K., and Pangkariya N., “Addressing NCDs: Challenges From Industry Market Promotion and Interferences,” International Journal of Health Policy and Management
8, no. 5 (2019): 256–260, 10.15171/ijhpm.2019.02.

12.
Savolainen I., Roukka T., and Oksanen A., “The Impact of Gambling Advertising Online: A Longitudinal Study on Exposure and Harm,” International Gambling Studies
25, no. 3 (2025): 495–512, 10.1080/14459795.2025.2548220.

13.
Buchanan L., Kelly B., Yeatman H., and Kariippanon K., “The Effects of Digital Marketing of Unhealthy Commodities on Young People: A Systematic Review,” Nutrients
10, no. 2 (2018): 148, 10.3390/nu10020148.

14.
Appel G., Grewal L., Hadi R., and Stephen A. T., “The Future of Social Media in Marketing,” Journal of the Academy of Marketing Science
48, no. 1 (2020): 79–95, 10.1007/s11747-019-00695-1.

15.
Forde S., Van Issum H., Bargallie D., et al., Radio, Television and Digital Media in 21st Century Indigenous Broadcasting: A Place of Old and New Ways (National Indigenous Australians Agency, 2024).

16.
Organizzazione Mondiale della Sanità
, Limitare il marketing digitale nel contesto del tabacco, alcol, alimenti e bevande, e sostituti del latte materno: Approcci esistenti e opzioni politiche (Organizzazione Mondiale della Sanità, 2023), https://www.who.int/publications/i/item/97892400772490.

17.
Demers‐Potvin É., White M., Potvin Kent M., et al., “Uso dei media dagli adolescenti e auto-riferimento all'esposizione alla pubblicità in sei paesi: implicazioni per il marketing di alimenti e bevande meno salutari,” BMJ Open
12, n. 5 (2022): e058913, 10.1136/bmjopen-2021-058913.

18.
Nazioni Unite
, “Dichiarazione delle Nazioni Unite sui diritti dei popoli indigeni,” 2007, http://www.un.org/esa/socdev/unpfii/documents/DRIPS_en.pdf.

19.
Bonela A. A., He Z., Norman T., e Kuntsche E., “Sviluppo e validazione della versione 2 dell'algoritmo di deep learning per l'identificazione di bevande alcoliche per quantificare l'esposizione all'alcol in immagini elettroniche,” Alcoholism, Clinical and Experimental Research
46, n. 10 (2022): 1837–1845, 10.1111/acer.14925.

20.
Kawaf F., “Catturare l'esperienza digitale: il metodo della videografia screencast,” International Journal of Research in Marketing
36, n. 2 (2019): 169–184, 10.1016/j.ijresmar.2018.11.002.

21.
Martino F., Liyana Pathirana N., Saif L., Bhatti A., e Backholer K., “Rilevazione automatizzata del marketing digitale dell'alcol usando SCANNER: un approccio integrato di deep learning,” Drug and Alcohol Review
45, n. 1 (2026): e70095, 10.1111/dar.70095.

22.
Cubillo B. J., Browne J., Sherriff S., et al., “Affrontare i determinanti commerciali della salute: Empowerment indigeno e voci per l'equità (ACHIEVE)—Protocollo per uno studio multifase,” BMJ Open
16, n. 1 (2026): e101735.

23.
Huria T., Palmer S. C., Pitama S., et al., “Criteri consolidati per rafforzare la segnalazione di ricerche sanitarie che coinvolgono popoli indigeni: la dichiarazione CONSIDER,” BMC Medical Research Methodology
19, n. 1 (2019): 173, 10.1186/s12874-019-0815-8.

24.
Backholer K., Martino F., Pathirana N. L., et al., “SCANNER: un sistema di deep learning per rilevare il marketing digitale di alimenti e bevande,” American Journal of Public Health
116, n. 10 (2026): 1557–1564.

25.
Johnson B., Co S., Sun T., et al., “Trading di criptovalute e sue associazioni con il gioco d'azzardo e la salute mentale: una revisione esplorativa,” Addictive Behaviors
136 (2023): 107504.

26.
Han E., Paid vs. Owned vs. Earned Media: Qual è la differenza? (Harvard Business School, 2024), https://online.hbs.edu/blog/post/earned-vs-paid-media.

27.
Vaipuna T., Allison L., Bhasin A., et al., “Una metodologia oggettiva per catturare il marketing online di merci e altri danni,” Health Promotion International
35, n. 6 (2020): 1312–1319, 10.1093/heapro/daz131.

28.
Potvin Kent M., Pauzé E., Roy E. A., De Billy N., e Czoli C., “Esposizione di bambini e adolescenti al marketing di alimenti e bevande nelle app di social media,” Pediatric Obesity
14, n. 6 (2019): e12508, 10.1111/ijpo.12508.

29.
Deans E. G., Thomas S. L., Derevensky J., e Daube M., “L'influenza del marketing sulle attitudini e i comportamenti di consumo delle scommesse sportive nei giovani uomini: implicazioni per strategie di riduzione del danno e prevenzione,” Harm Reduction Journal
14, n. 1 (2017): 5, 10.1186/s12954-017-0131-8.

30.
Lyons A. C., Kersey K., Emslie C., Dimova E., e Burrows A., “Marketing digitale dell'alcol e genere: una sintesi narrativa,” Drug and Alcohol Review
43, n. 6 (2024): 1361–1387, 10.1111/dar.13849.

31.
Northcott T., Sievert K., Russell C., Obeid A., Angus D., e Parker C., “Pubblicità di cibo non salutare sui social media: lezioni politiche dall'Australian Ad Observatory,” Health Promotion International
40, n. 2 (2025): daae192, 10.1093/heapro/daae192.

32.
Smith M., Chambers T., Abbott M., e Signal L., “Alti rischi: esposizione dei bambini al gioco d'azzardo e al marketing del gioco usando telecamere indossabili,” International Journal of Mental Health and Addiction
18 (2020): 1025–1047, 10.1007/s11469-019-00103-3.

33.
Sacks G. e Looi E. S. Y., “Le politiche pubblicitarie delle principali piattaforme di social media trascurano l'imperativo di limitare l'esposizione di bambini e adolescenti alla promozione di alimenti e bevande poco salutari,” International Journal of Environmental Research and Public Health
17, n. 11 (2020): 4172, 10.3390/ijerph17114172.

34.
Crocetti A., Browne J., Backholer K., et al., “'Tutti sono un po' brilli, perché non condividere': esplorare i contenuti generati dagli utenti relativi all'alcol tra i giovani in Victoria, Australia,” Health Promotion International
40 (2026): daaf202, 10.1093/heapro/daaf202.

35.
Sartori A., Stoneham M., ed Edmunds M., “Sponsorizzazioni poco salutari nello sport: uno studio di caso della AFL,” Australian and New Zealand Journal of Public Health
42, n. 5 (2018): 474–479, 10.1111/1753-6405.12820.

36.
Jongenelis M. I. e Li R., “Pubblicità e vendite di nicotina in busta in Australia: uno studio qualitativo delle esperienze dei giovani,” Health Promotion Journal of Australia
37, n. 4 (2026): e70239, 10.1002/hpja.70239.

37.
Crocetti A., Lister N., Browne J., et al., “Esplorare l'influenza dei contenuti generati dagli utenti sugli atteggiamenti e comportamenti legati all'alcol tra i giovani: una revisione sistematica,” Addiction (2026), 10.1111/add.70574.

38.
Ngqangashe Y. e Friel S., “Percorsi di governance regolatoria per migliorare l'efficacia delle politiche alimentari australiane,” Australian and New Zealand Journal of Public Health
46, n. 5 (2022): 710–715, 10.1111/1753-6405.13284.

39.
Jongenelis M., Pierce H., Keric D., Stafford J., Jongenelis G., e Pettigrew S., “I codici regolatori australiani sono adeguati nella portata per proteggere i giovani dalla pubblicità dell'alcol?,” Health Promotion Journal of Australia
32, n. S2 (2020): 212–217.

40.
Comitato permanente per la politica sociale e gli affari legali della Camera dei Rappresentanti
, You Win Some, You Lose More. Gioco d'azzardo online e i suoi impatti su chi sperimenta danni da gioco (Parlamento Australiano, 2023), https://parlinfo.aph.gov.au/parlInfo/download/committees/reportrep/RB000159/toc_pdf/Youwinsome,youlosemore.pdf.

41.
Comitato permanente per la salute, l'assistenza agli anziani e la disabilità della Camera dei Rappresentanti
, Rapporto sugli impatti sulla salute dell'alcol e di altre droghe in Australia (Parlamento Australiano, 2026), https://www.aph.gov.au/Parliamentary_Business/Committees/House/Health_Aged_Care_and_Disability/Healthimpactsofalcohol/Report.

42.
Dipartimento per la salute, la disabilità e l'invecchiamento
, Studio di fattibilità sulle opzioni per limitare il marketing di cibi non salutari ai bambini (Commonwealth of Australia, 2026), https://apo.org.au/node/334342.

43.
Browne J. W. T., Crocetti A., Brown A. H. K., Lister N., Ropitini A., e Paradies Y., Determinanti commerciali della salute dei Popoli Indigeni: Rapporto della tavola rotonda (Università Deakin e Organizzazione Sanitaria Controllata dalla Comunità Aborigena del Victoria, 2026), https://healthtransformation.deakin.edu.au/wp‐content/uploads/sites/20/2026/07/Commercial‐Determinants‐of‐First‐Peoples‐Health‐Roundtable‐Report‐V5.pdf.

44.
Australian Bureau of Statistics
, “Popoli Aborigeni e delle Isole dello Stretto di Torres,” 2024, consultato a settembre 22, 2026, https://www.abs.gov.au/statistics/people/aboriginal‐and‐torres‐strait‐islander‐peoples/sort.

45.
Coyne P., Voth J., e Woodruff S. J., “Un confronto tra autosegnalazioni e misurazioni oggettive dell'uso di smartphone e social media,” Telematics and Informatics Reports
10 (2023): 100061.

Dati associati

Dichiarazione sulla disponibilità dei dati

I dati di cattura schermo non sono disponibili pubblicamente a causa delle condizioni di approvazione etica e delle considerazioni sulla sovranità dei dati indigeni.