MétaCan
Menu
Retour à la cohorte
Enregistrement W4283389738 · doi:10.1080/07315724.2022.2073923

Trends in Loss-Adjusted Availability of Added Sugars and Energy Contribution from Macronutrients and Major Food Groups in Canada and the United States

2022· article· en· W4283389738 sur OpenAlexafffundabout
Ye Flora Wang, Sandra Marsden, Laura Chiavaroli, Chiara DiAngelo, John L. Sievenpiper

Notice bibliographique

RevueJournal of the American Nutrition Association · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensSt. Michael's HospitalUniversity of TorontoCanadian Sugar Institute
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPer capitaSugarAdded sugarConsumption (sociology)Food groupGeographyFood scienceEnvironmental healthAgricultural economicsMedicineEconomicsBiologyPopulation

Résumé

récupéré en direct d'OpenAlex

A clear understanding of changes in the consumption of sugars and other sugars-containing foods has become essential for dietary recommendations and nutrition policy considerations. This study aimed to estimate the consumption trends of added sugars, energy, macronutrients, and food categories using food supply data. Annual food availability data were obtained from Statistics Canada "Food Available in Canada" database and compared to the equivalent data from Canadian Community Health Survey 2004/2015 and USDA "Food Availability (Per Capita) Data System". consumption of added sugars (%energy) in Canada over the past two decades, largely attributed to reduced intakes of refined sugar and sugars from soft drinks. Added sugars consumption was generally 30% less than that in the US. There was also a consistent decline in total energy intake and %energy from carbohydrates, accompanied by increased %energy derived from fats particularly during the most recent 10 years. The observed trends in added sugars availability are similar to findings from the Canadian Community Health Surveys, demonstrating the potential application of annual loss-adjusted food availability data in monitoring trends in food and macronutrient intakes over time to complement dietary survey data in informing public policy development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,132
Score d'incertitude au seuil0,709

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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 tête enseignante, 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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the American Nutrition AssociationMême sujetNutritional Studies and DietTravaux en français237 207