MétaCan
Menu
Retour à la cohorte
Enregistrement W2893292483 · doi:10.1017/s0029665118002513

Food processing: criteria for dietary guidance and public health?

2018· article· en· W2893292483 sur OpenAlexaboutno aff
Julie Miller Jones

Notice bibliographique

RevueProceedings of The Nutrition Society · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesAcademy of Nutrition and Dietetics
Mots-clésMealNova scotiaFood scienceConfusionFood choiceNutrientBusinessMarketingEnvironmental healthMedicineBiotechnologyPsychologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

The NOVA food categorisation recommends 'avoiding processed foods (PF), especially ultra-processed foods (UPF)' and selecting minimally PF to address obesity and chronic disease. However, NOVA categories are drawn using non-traditional views of food processing with additional criteria including a number of ingredients, added sugars, and additives. Comparison of NOVA's definition and categorisation of PF with codified and published ones shows limited congruence with respect to either definition or food placement into categories. While NOVA studies associate PF with decreased nutrient density, other classifications find nutrient-dense foods at all levels of processing. Analyses of food intake data using NOVA show UPF provide much added sugars. Since added sugars are one criterion for designation as UPF, such a proof demonstrates a tautology. Avoidance of foods deemed as UPF, such as wholegrain/enriched bread and cereals or flavoured milk, may not address obesity but could decrease intakes of folate, calcium and dietary fibre. Consumer understanding and implementation of NOVA have not been tested. Neither have outcomes been compared with vetted patterns, such as Dietary Approaches to Stop Hypertension, which base food selection on food groups and nutrient contribution. NOVA fails to demonstrate the criteria required for dietary guidance: understandability, affordability, workability and practicality. Consumers' confusion about definitions and food categorisations, inadequate cooking and meal planning skills and scarcity of resources (time, money), may impede adoption and success of NOVA. Research documenting that NOVA can be implemented by consumers and has nutrition and health outcomes equal to vetted patterns is needed.

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)0,073
score de la tête « metaresearch » (Gemma)0,135
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,386

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0730,135
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0040,022
Communication savante0,0160,016
Science ouverte0,0040,011
Intégrité de la recherche0,0120,013
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,084
Tête enseignante GPT0,343
Écart entre enseignants0,259 · 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
GenreCommentaire

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

En bref

Citations92
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of The Nutrition SocietyMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207