Toward a science-based classification of processed foods to support meaningful research and effective health policies
Notice bibliographique
Résumé
Processed foods have been part of the American diet for decades, with key roles in providing a safe, available, affordable, and nutritious food supply. The USDA Food Guides beginning in 1916 and the US Dietary Guidelines for Americans (DGA) since 1980 have included various types of commonly consumed processed foods (e.g., heated, fermented, dried) as part of their recommendations. However, there are multiple classification systems based on "level" of food processing, and additional evidence is needed to establish the specific properties of foods classified as "highly" or "ultra"-processed (HPF/UPFs). Importantly, many foods are captured under HPF/UPF definitions, ranging from ready-to-eat fortified whole grain breakfast cereals to sugar-sweetened beverages and baked goods. The consequences of implementing dietary guidance to limit all intake of foods currently classified as HPF/UPF may require additional scrutiny to evaluate the impact on consumers' ability to meet daily nutrient recommendations and to access affordable food, and ultimately, on health outcomes. Based on a meeting held by the Institute for the Advancement of Food and Nutrition Sciences in May 2023, this paper provides perspectives on the broad array of foods classified as HPF/UPFs based on processing and formulation, including contributions to nutrient intake and dietary patterns, food acceptability, and cost. Characteristics of foods classified as UPF/HPFs are considered, including the roles and safety approval of food additives and the effect of food processing on the food matrix. Finally, this paper identifies information gaps and research needs to better understand how the processing of food affects nutrition and health outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 ».