Classifying sources of low- and no-calorie sweeteners within the Canadian food composition database
Notice bibliographique
Résumé
Low- and no-calorie sweeteners are sugar substitutes that impart sweetness. Examining exposure to low- and no-calorie sweeteners is challenging because the amounts of sweeteners in food and beverage products are not standard elements of food composition databases. We identified food codes representing sources of low- and no-calorie sweeteners in the food composition database used for Canadian surveillance data using multiple approaches. First, food code descriptions were searched for keywords (e.g. low calorie) potentially representing low and no-calorie sweeteners. Next, the U.S. Food and Nutrient Database for Dietary Surveys food code descriptions, matched to food codes within the Canadian database, were examined for keywords representing confirmed sweetener sources. Finally, using websites for three Canadian grocers, ingredient lists for brand-specific products were examined for sources of low- and no-calorie sweeteners. Recipe codes often required an examination of ingredient-level food codes. Of 5180 food codes, 76 were classified as sources of low- and no-calorie sweeteners and an additional 46 recipe codes were identified as containing a source of sweetener. The classification system can be applied to national survey data to describe exposure to low- and no-calorie sweeteners and identify key sources of sweeteners. Standardized identification of food codes as sources of low- and no-calorie sweeteners will contribute to an evidence base that can be synthesized to inform nutrition policy. • A text-based search strategy identified sources of low- and no-calorie sweeteners (LNCSs). • Using Canada’s food composition database, 76 food codes were classified as sources of LNCS. • Examination of recipe food codes at the ingredient level is needed to accurately capture LNCSs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».