From Denmark to Delhi: the multisectoral challenge of regulating<i>trans</i>fats in India
Notice bibliographique
Résumé
OBJECTIVE: India has proposed legislating an upper limit of trans fat in partially hydrogenated vegetable oils and mandating trans fat labelling in an effort to reduce intakes. The objective of the present study was to examine the complexities of regulating trans fat in India by examining the policy processes involved and the perceived implementation challenges. DESIGN: Semi-structured interviews (n 18) were conducted with key informants from various sectors. Interviewees were asked about sources of trans fat in the food supply, existing policies that may influence trans fats and perceived challenges related to the proposed trans fat regulation, in addition to questions tailored to their area of expertise. Interview data were organised based on common themes. SETTING: Interviews were conducted in India. SUBJECTS: Interviewees were key informants from various sectors including agriculture, trade, industry and health. RESULTS: Several themes were identified related to the complexity of regulating trans fat in India. A lack of trans fat awareness, the large unorganised retail sector, a need for suitable alternative products that are both acceptable to consumers and affordable, and a need to build capacity were crucial factors affecting India's ability to successfully regulate trans fat. The limited number of food inspectors will create an additional challenge in terms of enforcement of trans fat regulation. CONCLUSIONS: Although India will face challenges in regulating trans fat, legislating an upper limit of trans fat in partially hydrogenated vegetable oils will likely be the most effective approach to reducing it in the food supply. Ongoing engagement with industry, agriculture, trade and processing sectors will prove essential in terms of product reformulation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».