Low- and no-calorie sweetener intakes from beverages – an up-to-date assessment in four regions: Brazil, Canada, Mexico and the United States
Notice bibliographique
Résumé
The current assessment estimated exposure to four low- and no-calorie sweeteners (LNCS) (aspartame, acesulfame potassium (AceK), steviol glycosides and sucralose) from beverages in Brazil, Canada, Mexico and the United States, using up-to-date nationally representative consumption data and industry reported-use level information. Two modelling scenarios were applied - the probabilistic model was guided by reported use level data, with estimated intake for an individual leveraging market-weighted average use level of a particular LNCS in any given LNCS-sweetened beverage type, while the distributional (brand-loyal) model assumed consumer behaviour-led patterns, namely that an individual will be brand loyal to a pre-determined beverage type. Consumer-only and general population intake estimates were derived for the overall population and individual age categories, and compared to the respective acceptable daily intake (ADI) as established by the Joint FAO/WHO Expert Committee on Food Additives (JECFA) for each LNCS. The mean, 90th percentile and 95th percentile intake estimates were substantially lower than the ADI in both modelling scenarios, regardless of the population group or market. In the probabilistic model, the highest consumer-only intake was observed for AceK in Brazilian adolescents (95th percentile, 12.4% of the ADI), while the highest 95th percentile intakes in the distributional model were observed for sucralose in Canadian adults at 20.9% of the ADI. This study provides the latest insights into current intakes of LNCS from water-based non-alcoholic LNCS-sweetened beverages in these regions, aligning well with those published elsewhere.
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 | 0,000 | 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 ».