The need for multisectoral food chain approaches to reduce trans fat consumption in India
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization (WHO) recommends virtually eliminating trans fat from the global food supply. Although several high-income countries have successfully reduced trans fat levels in foods, low- and middle-income countries such as India face additional challenges to its removal from the food supply. This study provides a systems analysis of the Indian food chain to assess intervention options for reducing trans fat intake in low-income consumers. METHODS: Data were collected at the manufacturer, retailer and consumer levels. Qualitative interviews were conducted with vanaspati manufacturers (n = 13) and local food vendors (n = 44). Laboratory analyses (n = 39) of street foods/snacks sold by the vendors were also conducted. Trans fat and snack intakes were also examined in low-income consumers in two rural villages (n = 260) and an urban slum (n = 261). RESULTS: Manufacturers of vanaspati described reducing trans fat levels as feasible but identified challenges in using healthier oils. The fat content of sampled oils from street vendors contained high levels of saturated fat (24.7-69.3 % of total fat) and trans fat (0.1-29.9 % of total fat). Households were consuming snacks high in trans fat as part of daily diets (31 % village and 84.3 % of slum households) and 4 % of rural and 13 % of urban households exceeded WHO recommendations for trans fat intakes. CONCLUSIONS: A multisectoral food chain approach to reducing trans fat is needed in India and likely in other low- and middle-income countries worldwide. This will require investment in development of competitively priced bakery shortenings and economic incentives for manufacturing foods using healthier oils. Increased production of healthier oils will also be required alongside these investments, which will become increasingly important as more and more countries begin investing in palm oil production.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».