Applying and comparing various nutrient profiling models against the packaged food supply in South Africa
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to apply the newly developed Chile Adjusted Model (CAM) nutrient profiling model (NPM) to the food supply in South Africa (SA) and compare its performance against existing NPM as an indication of suitability for use to underpin food policies targeted at discouraging consumption of products high in nutrients associated with poor health. DESIGN: Cross-sectional analysis of the SA-packaged food supply comparing the CAM to three other NPM: SA Health and Nutrition Claims (SA HNC), Chilean Warning Octagon (CWO) 2019, and Pan-American Health Organisation (PAHO) NPM. SETTING: The SA-packaged food supply based on products stocked by supermarkets in Cape Town, SA. PARTICIPANTS: 6474) available in 2018 were analysed. RESULTS: Forty-nine per cent of products contained excessive amounts of nutrients of concern (considered non-compliant) according to the criteria of all four models. Only 10·9 % of products were not excessive in any nutrients of concern (considered compliant) according to all NPM evaluated. The CAM had an overall non-compliance level of 73·2 % and was comparable to the CWO 2019 for foods (71·2 % and 71·1 %, respectively). The CAM was the strictest NPM for beverages (80·4 %) due to the criteria of non-sugar sweeteners and free sugars. The SA HNC was the most lenient with non-compliance at 52·9 %. This was largely due to the inclusion of nutrients to encourage, which is a criterion for this NPM. CONCLUSION: For the purpose of discouraging products high in nutrients associated with poor health in SA, the CAM is a suitable NPM.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».