MétaCan
Menu
Retour à la cohorte
Enregistrement W2324856241 · doi:10.1139/apnm-2012-0386

Nutrition marketing on processed food packages in Canada: 2010 Food Label Information Program

2013· article· en· W2324856241 sur OpenAlexafffundvenueabout
Alyssa Schermel, Teri E. Emrich, JoAnne Arcand, Christina L. Wong, Mary R. L’Abbé

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMarketingBusinessNutrition informationFood marketingFood packagingFood scienceFood industryFood processingAgricultural economicsEconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

The current study describes the frequency of use of different forms of nutrition marketing in Canada and the nutrients and conditions that are the focus of nutrition marketing messages. Prepackaged foods with a Nutrition Facts table (N = 10,487) were collected between March 2010 and April 2011 from outlets of the 3 largest grocery chains in Canada and 1 major western Canadian grocery retailer. The nutrition marketing information collected included nutrient content claims, disease risk reduction claims, and front-of-pack nutrition rating systems (FOPS). We found that nutrition marketing was present on 48.1% of Canadian food packages, with nutrient content claims being the most common information (45.5%), followed by FOPS on 18.9% of packages. Disease risk reduction claims were made least frequently (1.7%). The marketing messages used most often related to total fat and trans fat (15.6% and 15.5% of nutrient content claims, respectively). Limiting total and trans fats is a current public health priority, as recommended by Health Canada and the World Health Organization. However, other nutrients that are also recommended to be limited, including saturated fats, sodium, and added sugars, were not nearly as prominent on food labels. Thus, greater emphasis should be placed by the food industry on these other important nutrients. Repeated data collection in the coming years will allow us to track longitudinal changes in nutrition marketing messages over time as food marketing, public health, and consumer priorities evolve.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations85
Publié2013
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207