Estimated effects of the implementation of the Mexican Warning Labels regulation on the use of health and nutrition claims on packaged foods
Notice bibliographique
Résumé
Abstract Background The use of health and nutrition claims on front-of-pack labels has a potential effect on consumers' food choices; therefore, many countries established regulations to avoid misperceptions. This study describes the use of nutrition and health claims on the front-of-pack of food products in retail stores in Mexico and analyze the potential effects of the new front-of-pack labelling regulation on the use of these claims. Methods This is a cross-sectional study in which nutrition and health claims, nutrition information panels, and the list of ingredients of all foods and beverages available in the main retail stores in Mexico City were collected. The products were grouped by level of processing according to the NOVA food system classification. Claims were classified into different types using the internationally harmonized INFORMAS taxonomy. The potential effect of the implementation of the warning label regulations on the use of nutrition and health claims was estimated by food group and by thresholds of energy and critical nutrients according to the new regulation. Results Of 17,264 products, 33.8% displayed nutrition claims and 3.4% health claims. In total 80.8% of all products on the Mexican market were classified as "less healthy"; 48.2% of products had excess calories, 44.6% had excess sodium, and 40.7% excess free sugars according to the new regulation. The new regulation would prevent 39.4% of products with claims from displaying health and nutrition claims (p<0.001); the largest reduction is observed for ultra-processed foods (51.1%, p<0.001). The regulation thresholds that contribute the most of the reduction in the use of claims were calories (OR 0.62, p<0.001) and non-sugar sweeteners (OR 0.54, p<0.001). Conclusions The new Mexican front-of-pack labelling regulation will prevent most of less healthy processed and ultra-processed foods from displaying HNC and will potentially increase the effectiveness of the warning labels for consumers.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».