MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389026515 · doi:10.1096/fasebj.30.1_supplement.681.8

Discrepancies Between Health Professionals’ Understanding and the Evidence For Sugars Related Nutrition Issues in Canada

2016· article· en· W4389026515 sur OpenAlexaffabout
Flora Wang, Chiara DiAngelo, Laura Pasut, Sandra Marsden

Notice bibliographique

RevueThe FASEB Journal · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensCanadian Nutrition SocietyCanadian Sugar Institute
Organismes subventionnairesnon disponible
Mots-clésGuidelineObesityLimitingMedicineHealth professionalsEnvironmental healthScientific evidenceHealth claims on food labelsPerceptionFocus groupConsumption (sociology)Food sciencePsychologyHealth carePolitical scienceChemistryBusinessMarketingEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

Media articles often focus on added sugars consumption as being responsible for rising rates of obesity, diabetes and other chronic health concerns. However, meta‐analyses consistently demonstrate that sugars are no more likely to contribute to weight gain than other energy sources when compared on an isocaloric basis. The World Health Organization (WHO) sugars guideline recommends limiting “free sugars” (i.e. added sugars plus 100% fruit juices) to less than 10% of energy based on evidence related to dental caries, not obesity or other chronic diseases. Since health professionals are relied upon to communicate accurate scientific information to both the general public and the media, the objective of this study was to assess Canadian health professionals’ perceptions of added sugars consumption in relation to obesity and their understanding of the scientific basis of the WHO sugars guideline. Two sets of questionnaires were distributed to Canadian health professionals at national dietetics and nutrition conferences in 2013 and 2014, respectively. A total of 511 health professionals, primarily dietitians, voluntarily completed the 2013 survey in which less than half (44%) of respondents held the correct perception that the sugars found in fruits and vegetables are metabolized in the same way as sugars added to foods, and that sugars are no more likely to contribute to weight gain than other energy sources in the diet. Almost half (47%) thought sugars from “other foods” category in Canada's Food Guide contributed 15% of daily energy intake—double the actual contribution (i.e. 7.5% of energy). In the 2014 survey (n=355), two‐thirds (64%) of respondents thought added sugars contribute 21–23% of total energy intake in Canada – twice the actual amount of 11% of daily calories estimated based on total sugars data from the 2004 Canadian Community Health Survey. Very few (9%) respondents knew added sugars consumption in Canada is approximately one‐third (30%) less than US consumption. One in ten correctly identified that the WHO 10% guideline for “free sugars” intake was based on evidence related to dental caries only, while the majority (72%) thought the guideline was based on evidence related to all of the listed options: obesity, metabolic syndrome, diabetes, and dental caries. In conclusion, a number of knowledge gaps on sugars‐related topics were identified among surveyed health professionals. Further investigation in a larger population is warranted. Future research will also focus on best practices (e.g. tools, resources) to help support the communication of evidence‐based information related to sugars to the general public and the media.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,114
Score d'incertitude au seuil0,826

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,082
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0060,004
Communication savante0,0060,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,107
Tête enseignante GPT0,356
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetNutritional Studies and Diet→Travaux en français237 207→