The nutritional content of supermarket beverages: a cross-sectional analysis of New Zealand, Australia, Canada and the UK
Notice bibliographique
Résumé
Abstract Objective To compare the nutritional content, serving size and taxation potential of supermarket beverages from four different Western countries. Design Cross-sectional analysis. Multivariate regression analysis and χ 2 comparisons were used to detect differences between countries. Setting Supermarkets in New Zealand (NZ), Australia, Canada and the UK. Subjects Supermarket beverages in the following categories: fruit juices, fruit-based drinks, carbonated soda, waters and sports/energy drinks. Results A total of 4157 products were analysed, including 749 from NZ, 1738 from Australia, 740 from Canada and 930 from the UK. NZ had the highest percentage of beverages with sugar added to them (52 %), while the UK had the lowest (9 %, P <0·001). Differences in energy, carbohydrate and sugar content were observed between countries and within categories, with UK products generally having the lowest energy and sugar content. Up to half of all products across categories/countries exceeded the US Food and Drug Administration’s reference single serving sizes, with fruit juices contributing the greatest number. Between 47 and 83 % of beverages in the different countries were eligible for sugar taxation, the UK having the lowest proportion of products in both the low tax (5–8 % sugar) and high tax (>8 % sugar) categories. Conclusions There is substantial difference between countries in the mean energy, serving size and proportion of products eligible for fiscal sugar taxation. Current self-regulatory approaches used in these countries may not be effective to reduce the availability, marketing and consumption of sugar-sweetened beverages and subsequent intake of free sugars.
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 | 0,001 | 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 ».