MétaCan
Menu
Retour à la cohorte
Enregistrement W3112896843 · doi:10.3148/cjdpr-2020-030

Perceived Healthiness of Sweeteners among Young Adults in Canada

2020· article· en· W3112896843 sur OpenAlexafffundvenueabout
Samantha Goodman, Lana Vanderlee, Amanda Jones, Christine M. White, David Hammond

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversité LavalUniversity of Waterloo
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSucraloseSugarAspartameArtificial SweetenerHigh-fructose corn syrupAdded sugarFood scienceSaccharinFructoseMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

Purpose: To compare the perceived healthiness of different sweeteners relative to table sugar and examine efforts to consume less sugars and sweeteners. Methods: As part of the 2017 Canada Food Study online survey, 1000 youth and young adults were randomized to rate the healthiness of 1 of 6 sweeteners (aspartame, sucralose, stevia, agave, high-fructose corn syrup, “raw” sugar) or 1 sweetener brand name (Splenda) compared with “table sugar”. Results: Perceptions of sweeteners varied widely. For example, the majority of respondents perceived high-fructose corn syrup (63.9%) and aspartame (52.4%) as less healthy than table sugar, whereas almost half (47.8%) perceived raw sugar as being healthier than table sugar. No assessed socio-demographic variables were significantly associated with perceived healthiness of sweeteners compared with table sugar (P ≥ 0.05). More consumers had attempted to consume less sugar (65.4%) compared with less “artificial” (31.2%) or “natural” (24.0%) low-calorie sweeteners. Conclusions: Perceptions of sweetener healthiness may be related to sweeteners’ perceived level of “naturalness” rather than energy content. This has important implications for understanding consumer preferences, particularly given greater use of low-calorie sweeteners in the food supply and policy developments such as sugar taxes and enhanced sugar labelling.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
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 recherche0,0000,001
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 Opus0,061
Tête enseignante GPT0,353
Écart entre enseignants0,292 · 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

Citations17
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207