MétaCan
Menu
Retour à la cohorte
Enregistrement W2906934371 · doi:10.3390/nu11010052

The Food Supply Prior to the Implementation of the Chilean Law of Food Labeling and Advertising

2018· article· en· W2906934371 sur OpenAlexfundno aff
Rebecca Kanter, Marcela Reyes, Boyd Swinburn, Stefanie Vandevijvere, Camila Corvalán

Notice bibliographique

RevueNutrients · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesFondo Nacional de Desarrollo Científico y TecnológicoComisión Nacional de Investigación Científica y TecnológicaInternational Development Research Centre
Mots-clésFood labelingFood supplyBusinessAdvertisingFood scienceBiotechnologyEconomicsAgricultural economicsBiology

Résumé

récupéré en direct d'OpenAlex

This study aimed to evaluate the composition of the food supply ahead of the implementation of the Chilean Law of Food Labeling and Advertising (Law 20.606) in June 2016. The INFORMAS (International Network for Food and Obesity/Non-communicable Diseases (NCDs) Research, Monitoring and Action Support) framework for monitoring the composition of the food supply was used. The Law’s initial (2016) and final (2019) limits were used to evaluate if foods would receive a “High in” warning for Calories, Sodium, Sugars and/or Saturated Fats (initial/final, solids: >350/275 kcal; >800/400 mg; >22.5/10 g; >6/4 g; liquids: >100/70 kcal; >100/100 mg; >6/5 g; >3/3 g respectively). Foods were excluded if they required reconstitution, had missing information or if total labeled energy was estimated as incorrect (n = 942). In February 2015 and 2016, fieldworkers photographed a purposeful sample of packaged food and beverage products (n = 5421 and n = 5479) from 6 different supermarkets in Santiago, Chile. Seven percent of foods had no added critical nutrients (n = 720). Two-thirds of products had critical nutrients exceeding at least one initial limit indicative of a “high in” warning. Under the final phase limits, only 17% of foods would have zero warning labels. By 2019, 10 of the 17 food and beverage categories studied are predicted to have less than half of their products without a high in sodium warning label. While 8 of the 17 categories studied are predicted to have less than half their products without a high in total sugars or a high in total calories warning label, respectively; while even fewer food and beverage categories are predicted to be without a high in saturated fat warning label. Most products will have to be reformulated to avoid at least one front-of-package warning label.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,014
Tête enseignante GPT0,294
Écart entre enseignants0,280 · 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'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

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207