MétaCan
Menu
Retour à la cohorte
Enregistrement W2148855362 · doi:10.1017/s1368980014002754

Policy outcomes of applying different nutrient profiling systems in recreational sports settings: the case for national harmonization in Canada

2014· article· en· W2148855362 sur OpenAlexafffundabout
Dana Lee Olstad, Kelly Poirier, Patti‐Jean Naylor, Cindy Shearer, Sara Kirk

Notice bibliographique

RevuePublic Health Nutrition · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensDalhousie UniversityUniversity of VictoriaUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta Centre for Child, Family and Community ResearchHealth CanadaHeart and Stroke Foundation of CanadaKillam TrustsPartenariat Canadien Contre Le Cancer
Mots-clésRecreationProfiling (computer programming)HarmonizationAuditMedicineEnvironmental healthBusinessAccountingComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess agreement among three nutrient profiling systems used to evaluate the healthfulness of vending machine products in recreation and sport settings in three Canadian provinces. We also assessed whether the nutritional profile of vending machine items in recreation and sport facilities that were adhering to nutrition guidelines (implementers) was superior to that of facilities that were not (non-implementers). DESIGN: Trained research assistants audited the contents of vending machines. Three provincial nutrient profiling systems were used to classify items into each province's most, moderately and least healthy categories. Agreement among systems was assessed using weighted κ statistics. ANOVA assessed whether the average nutritional profile of vending machine items differed according to province and guideline implementation status. SETTING: Eighteen recreation and sport facilities in three Canadian provinces. One-half of facilities were implementing nutrition guidelines. SUBJECTS: Snacks (n 531) and beverages (n 618) within thirty-six vending machines were audited. RESULTS: Overall, the systems agreed that the majority of items belonged within their respective least healthy categories (66-69 %) and that few belonged within their most healthy categories (14-22 %). Agreement among profiling systems was moderate to good, with κ w values ranging from 0·49 to 0·69. Implementers offered fewer of the least healthy items (P<0·05) and these items had a better nutritional profile compared with items in non-implementing facilities. CONCLUSIONS: The policy outcomes of the three systems are likely to be similar, suggesting there may be scope to harmonize nutrient profiling systems at a national level to avoid unnecessary duplication and support food reformulation by industry.

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)0,049
score de la tête « metaresearch » (Gemma)0,075
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil0,817

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,075
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0140,006
Communication savante0,0070,002
Science ouverte0,0060,006
Intégrité de la recherche0,0030,003
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 Opus0,042
Tête enseignante GPT0,319
Écart entre enseignants0,277 · 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
GenreEmpirique

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

En bref

Citations22
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207