The Level of Processing, Nutritional Composition and Prices of Canadian Packaged Foods and Beverages with and without Gluten-Free Claims
Notice bibliographique
Résumé
Little is known about the healthfulness and cost of gluten-free (GF) foods, relative to non-GF alternatives, in Canada. This study compared the extent of processing, nutritional composition and prices of Canadian products with and without GF claims. Data were sourced from the University of Toronto Food Label Information Program (FLIP) 2013 (n = 15,285) and 2017 (n = 17,337) databases. Logistic regression models examined the association of NOVA processing category with GF claims. Calorie/nutrient contents per 100 g (or mL) were compared between GF and non-GF products. Generalized linear models compared adjusted mean prices per 100 g (or mL) of products with and without GF claims. The prevalence of GF claims increased from 7.1% in 2013 to 15.0% in 2017. GF claims appeared on 17.0% of ultra-processed foods, which were more likely to bear GF claims products than less-processed categories. Median calories and sodium were significantly higher in GF products; no significant differences were observed for saturated fat or sugars. Compared to non-GF products, adjusted mean prices of GF products were higher for 10 food categories, lower for six categories and not significantly different for six categories. Overall, GF claims are becoming increasingly prevalent in Canada; however, they are often less healthful and more expensive than non-GF alternatives, disadvantaging consumers following GF diets.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».