Sustainable healthy diet modeling for a plant-based dietary transitioning in the United States
Notice bibliographique
Résumé
The potential environmental and nutritional benefits of plant-based dietary shifts require thorough investigation to outline suitable routes to achieve these benefits. Whereas dietary consumption is usually in composite forms, sustainable healthy diet assessments have not adequately addressed composite diets. In this study, we build on available data in the Food4HealthyLife calculator to develop 3 dietary concepts (M) containing 24 model composite diet scenarios (S) assessed for their environmental and nutritional performances. The Health Nutritional Index (HENI) and Food Compass scoring systems were used for nutritional quality profiling and estimates of environmental impact were derived from previously reported midpoint impact values for foods listed in the What We Eat in America database. The diets were ranked using the Kruskal‒Wallis nonparametric test, and a dual-scale data chart was employed for a trade-off analysis to identify the optimal composite diet scenario. The results showcased a distinct variation in ranks for each scenario on the environment and nutrition scales, describing an inherent nonlinear relationship between environmental and nutritional performances. However, trade-off analysis revealed a diet with 10% legumes, 0.11% red meat, 0.28% processed meat and 2.81% white meat could reduce global warming by 54.72% while yielding a diet quality of 74.13 on the Food Compass Scoring system. These observations provide an interesting forecast of the benefits of transitioning to an optimal plant- and animal-based dieting pattern, which advances global nutritional needs and environmental stewardship among consumers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».