MétaCan
Menu
Retour à la cohorte
Enregistrement W1501223773 · doi:10.1111/obr.12077

Monitoring the health‐related labelling of foods and non‐alcoholic beverages in retail settings

2013· review· en· W1501223773 sur OpenAlexaff
Mike Rayner, Amanda Wood, Mark Lawrence, Cliona Ní Mhurchú, J. Albert, Sı́món Barquera, Sharon Friel, Corinna Hawkes, Bridget Kelly, Shiriki Kumanyika, Mary R. L’Abbé, Amanda Lee, Tim Lobstein, Jixiang Ma, J. Macmullan, Sailesh Mohan, Carlos Augusto Monteiro, Bruce Neal, Gary Sacks, David Sanders, Wendy Snowdon, Boyd Swinburn, Stefanie Vandevijvere, C. Walker

Notice bibliographique

RevueObesity Reviews · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBritish Heart FoundationRockefeller Foundation
Mots-clésLabellingFood labellingFood supplyFood productsBusinessFood labelingEnvironmental healthHealth claims on food labelsMedicineFood sciencePsychologyBiologyAgricultural science

Résumé

récupéré en direct d'OpenAlex

Food labelling on food packaging has the potential to have both positive and negative effects on diets. Monitoring different aspects of food labelling would help to identify priority policy options to help people make healthier food choices. A taxonomy of the elements of health-related food labelling is proposed. A systematic review of studies that assessed the nature and extent of health-related food labelling has been conducted to identify approaches to monitoring food labelling. A step-wise approach has been developed for independently assessing the nature and extent of health-related food labelling in different countries and over time. Procedures for sampling the food supply, and collecting and analysing data are proposed, as well as quantifiable measurement indicators and benchmarks for health-related food labelling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,366
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObesity ReviewsMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207