A comparison of the healthiness of packaged foods and beverages from 12 countries using the Health Star Rating nutrient profiling system, 2013–2018
Notice bibliographique
Résumé
We compared the healthiness of packaged foods and beverages between selected countries using the Health Star Rating (HSR) nutrient profiling system. Packaged food and beverage data collected 2013-2018 were obtained for Australia, Canada, Chile, China, India, Hong Kong, Mexico, New Zealand, Slovenia, South Africa, the UK, and USA. Each product was assigned to a food or beverage category and mean HSR was calculated overall by category and by country. Median energy density (kJ/100 g), saturated fat (g/100 g), total sugars (g/100 g) and sodium (mg/100 g) contents were calculated. Countries were ranked by mean HSR and median nutrient levels. Mean HSR for all products (n = 394,815) was 2.73 (SD 1.38) out of 5.0 (healthiest profile). The UK, USA, Australia and Canada ranked highest for overall nutrient profile (HSR 2.74-2.83) and India, Hong Kong, China and Chile ranked lowest (HSR 2.27-2.44). Countries with higher overall HSR generally ranked better with respect to nutrient levels. India ranked consistently in the least healthy third for all measures. There is considerable variability in the healthiness of packaged foods and beverages in different countries. The finding that packaged foods and beverages are less healthy in middle-income countries such as China and India suggests that nutrient profiling is an important tool to enable policymakers and industry actors to reformulate products available in the marketplace to reduce the risk of obesity and NCDs among populations.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».