Modelling Food Substitution Using the Ofcom Nutrient Profiling Model on Population Intakes from the Canadian Community Health Survey–Nutrition 2015
Notice bibliographique
Résumé
This study aimed to model how substituting foods consumed by Canadians for alternatives with more favourable nutrient profiling (NP) scores would impact dietary intakes. The Ofcom NP system, developed to help the UK Office of Communication differentiate foods that can be advertised to children, was applied to foods consumed by Canadians aged 2 years and older in the 2015 Canadian Community Health Survey (CCHS) (n = 19,447). Foods were substituted for similar options from the Euromonitor branded food composition database (Scenario 1) or from the primarily aggregated food profiles in the CCHS survey food composition database (Scenario 2) with either the most favourable (optimistic; 1A and 2A) or a more favourable Ofcom score (realistic; 1B and 2B). Mean intakes of Ofcom scores, calories, saturated fat, sugars, and sodium from these scenarios were compared to baseline. Only 2.9% of foods consumed had a similar Euromonitor option with a lower Ofcom score. Scenarios 1A, 1B, and 2A had lower Ofcom scores, calorie, sodium, saturated fat, and sugar intakes compared to baseline. Scenario 2B had lower levels of all outcome measures, except for an increase in calories compared to baseline. Selection of foods with more favourable NP scores has the potential to decrease the Canadian intake of nutrients of concern.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».