Prevalence and nutrient composition of menu offerings targeted to customers with dietary restrictions at US fast casual and full-service restaurants
Notice bibliographique
Résumé
OBJECTIVE: To examine the prevalence and nutrient composition of menu offerings targeted to customers with dietary restrictions at US fast casual and full-service chain restaurants. DESIGN: We used 2018 data from MenuStat, a database of nutrient information for menu items at large US chain restaurants. Five alternative diets were examined: gluten-free, low-calorie, low-carbohydrate, low-fat and vegetarian. Diet offerings were identified by searching MenuStat item descriptions and reviewing online menus. For each diet, we reported counts and proportions. We used bootstrapped multilevel models to examine differences in predicted mean kilojoules, saturated fat, Na and sugars between diet and non-diet menu items. SETTING: Forty-five US fast casual and full-service chain restaurants in 2018 (including 6419 items in initial analytic sample across small plates, salads and main dishes). PARTICIPANTS: None. RESULTS: The most prevalent diets were gluten-free (n 631, 9·8 % of menu items), low-calorie (n 306, 4·8 %) and vegetarian (n 230, 3·6 %). Compared with non-diet counterparts, low-calorie main dishes had significantly lower levels of all nutrients examined and vegetarian main dishes had significantly lower levels of all nutrients except saturated fat. Gluten-free small plates had significantly fewer kilojoules, grams of saturated fat and milligrams of Na compared with non-diet small plates. CONCLUSIONS: A small proportion of fast casual and full-service restaurant menus are targeted towards customers with dietary restrictions. Compared with non-diet items, those classified as gluten-free, low-calorie or vegetarian generally have healthier nutrient profiles, but overall nutrient values are still too high for most menu items, regardless of dietary 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».