MétaCan
Menu
Retour à la cohorte
Enregistrement W3033082591 · doi:10.1155/2020/5932516

A Comparison of Strategies to Improve Population Diets: Government Policy versus Education and Advice

2020· review· en· W3033082591 sur OpenAlexaff
Norman J. Temple

Notice bibliographique

RevueJournal of Nutrition and Metabolism · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésSubsidyPsychological interventionMedicineGovernment (linguistics)Action (physics)PopulationFood policyPublic economicsHealthy foodOrder (exchange)Environmental healthMarketingBusinessEconomicsFood scienceFood securityFinanceAgricultureNursingBiology

Résumé

récupéré en direct d'OpenAlex

Different strategies have been utilized in order to improve the healthiness of the population diet. Many interventions employ education, advice, and encouragement (EAE). Those interventions have been carried out in diverse settings and may achieve modest success; the estimated risk of cardiovascular disease is lowered by about 5-15%. An alternative strategy is action policies carried out by the governments. The removal of trans-fatty acids from food is a model for a successful action policy. Other action policies include requiring a substantial reduction in the amount of salt added to processed foods and ordering schools to cease supplying unhealthy food to students. Taxes and subsidies can be used to increase the price of unhealthy foods, such as sugar-rich foods, and reduce the price of healthy foods, such as fruit and vegetables. It is very probable that action policies are more effective than those based on EAE. They are also much more cost-effective.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,694

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,042
Tête enseignante GPT0,401
Écart entre enseignants0,359 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition and MetabolismMême sujetObesity, Physical Activity, DietTravaux en français237 207