Using food composition tables to estimate decreases in sodium intake due to the reformulation of packaged and ultra-processed foods in a young population in South Africa
Notice bibliographique
Résumé
Abstract Objective: In response to increasing hypertension rates, South Africa implemented a regulation which set a maximum total Na content for certain packaged food categories. We assess changes in reported Na intake among 18–39 years old adults living in one township in the Western Cape as a result of the implementation of the regulation in 2016. Design: By linking one set of 24-h dietary recall data to two versions of the South Africa Food Composition Database which reflect the pre-regulation and post-regulation periods, we calculated changes in Na intake due to reformulation of food products, not behaviour change. We statistically tested differences in mean consumption in this sample with paired t tests. Setting: Langa, Western Cape, South Africa Participants: Surveyed participants were residents of Langa between 18 and 39 years old ( n 2148) Results: Before and after the implementation of the regulation, there was a statistically significant decrease in the estimated Na intake among adults of 189·4 mg (137·5, 241·4; P = 0·00). Reported Na from cured meat (such as Russians) and certain types of soup powder, cereals and salted peanuts had a 9 to 33 per cent lower calculated Na consumption. Conclusions: Our conclusions show that independent of any behavioural changes on the part of consumers, it is possible to lower Na intake by using regulations to induce food manufacturers to lower the Na levels in their products. As countries explore similar regulatory strategies, this work can add to that body of evidence to inform policies to improve the food system.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».