MétaCan
Menu
Retour à la cohorte
Enregistrement W3162858350 · doi:10.2196/17780

Measuring the Healthiness of Ready-to-Eat Child-Targeted Cereals: Evaluation of the FoodSwitch Platform in Sweden

2021· article· en· W3162858350 sur OpenAlexvenueno aff
Antoine Mottas, Veli‐Matti Lappi, Johan Sundström, Bruce Neal, Cliona Ní Mhurchú, Marie Löf, Karin Rådholm

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObesityChildhood obesityEnvironmental healthPublic healthSaturated fatmHealthFood scienceOverweightBiologyPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Childhood obesity is a major public health issue. The increase in the consumption of foods with poor nutritional value, such as processed foods, contributes to this. Breakfast cereals are often advertised as a healthy way to start the day, but the healthiness of these products varies greatly. OBJECTIVE: Our main objective was to gather information about the nutritional characteristics of ready-to-eat breakfast cereals in Sweden and to investigate the healthiness of products targeted at children compared to other cereals by use of the FoodSwitch platform. A secondary objective was to evaluate the alignment between the Keyhole symbol and the Health Star Rating. METHODS: The FoodSwitch app is a mobile health (mHealth) tool used to present nutrition data and healthier alternative products to consumers. Ready-to-eat breakfast cereals from the largest Swedish grocery retailers were collected using the FoodSwitch platform. Products were defined as targeting children if they presented features addressing children on the package. RESULTS: Overall, information on 261 ready-to-eat cereals was examined. Of this total, 8% (n=21) were targeted at children. Child-targeted cereals were higher in sugar (22.3 g/100 g vs 12.8 g/100 g, P<.001) and lower in fiber (6.2 g/100 g vs 9.8 g/100 g, P<.001) and protein (8.1 g/100 g vs 10.5 g/100 g, P<.001). Total fat (3 g/100 g vs 10.5 g/100 g, P<.001) and saturated fat (0.8 g/100 g vs 2.6 g/100 g, P<.001) were also lower. No difference was found in salt content (P=.61). Fewer child-targeted breakfast cereals displayed an on-pack Keyhole label (n=1, 5% vs n=53, 22%; P=.06), and the mean Health Star Rating value was 3.5 for child-targeted cereals compared to others (mean 3.8, P=.07). A correlation was found between the Keyhole symbol and the Health Star Rating. CONCLUSIONS: Ready-to-eat breakfast cereals targeted at children were less healthy in terms of sugar and fiber content compared to products not targeted at children. There is a need to improve the nutritional quality of child-targeted cereals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,165
Tête enseignante GPT0,410
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207