MétaCan
Menu
Retour à la cohorte
Enregistrement W4386306822 · doi:10.1016/j.advnut.2023.08.013

Systematic Review of Nutrient Profile Models Developed for Nutrition-Related Policies and Regulations Aimed at Noncommunicable Disease Prevention —An Update

2023· review· en· W4386306822 sur OpenAlexafffund
Caroline Martin, Mylène Turcotte, Juliette Cauchon, Amélie Lachance, Sonia Pomerleau, Véronique Provencher, Marie‐Ève Labonté

Notice bibliographique

RevueAdvances in Nutrition · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - SantéInstitut sur la Nutrition et les Aliments FonctionnelsMinistère de la Santé et des Services sociauxUniversité Laval
Mots-clésGrey literatureSystematic reviewGovernment (linguistics)MedicinePublic healthMEDLINEEnvironmental healthComputer sciencePolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

Nutrient profiling (NP) models are useful for characterizing the healthfulness of foods and for underpinning various nutrition-related public health strategies. Recently, there has been a rapid increase in the number of NP models developed by different organizations worldwide. A systematic review (SR) summarizing the key characteristics of NP models with applications in government-led nutrition policies was carried out in 2016 and published by Labonté et al. [4]. Given the continuous proliferation of NP models, the current study aimed to update this SR. Systematic searches were performed in databases of both the peer-reviewed (n = 7) and grey (n = 1) literature to identify publications related to NP published between May 2016 and September 2020. The full text of relevant publications was assessed independently by 2 reviewers to build a list of potential models. Each model was classified as "already identified in the original SR" or as "newly identified." The eligibility of the "newly identified" models, and of some models excluded from the previous SR because their details were not known at that time, were then assessed independently by 2 reviewers based on pre-established criteria. A total of 151 potential NP models were assessed for eligibility, of which 93 were "newly identified," 28 were originally excluded from the previous SR, and 30 were identified from additional online searches during the eligibility assessment stage. Twenty-six models met the inclusion criteria. Their most frequent applications were food labeling (n = 17) and regulation of food marketing to children (n = 7). They all included nutrients to limit, with sodium, saturated fat, and total sugars being the most frequently considered. Content or face validity testing was conducted for 11 (42%) of the included models. As NP models are increasingly used worldwide to support public health strategies, having an up-to-date resource listing them and detailing their characteristics is crucial. PROSPERO #CRD42021259041.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,074
Tête enseignante GPT0,409
Écart entre enseignants0,335 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in NutritionMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207