MétaCan
Menu
Retour à la cohorte
Enregistrement W4407870315 · doi:10.3389/fnut.2025.1539695

Disconnection between sugars reduction and calorie reduction in baked goods and breakfast cereals with sugars-related nutrient content claims in the Canadian marketplace

2025· article· en· W4407870315 sur OpenAlexaffabout
Ye Flora Wang, Sandra Marsden, Chiara DiAngelo, Abigail Clarke, Jessica Yu, Zhongqi Fan, Julian Cooper, David D. Kitts

Notice bibliographique

RevueFrontiers in Nutrition · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of British ColumbiaPublic Health OntarioUniversity of TorontoMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésFood scienceCalorieNutrientReduction (mathematics)ChemistryBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Introduction: Nutrition claims aim to highlight key attributes in foods and assist consumers to make informed dietary choices. Consumers generally perceive products with claims related to lower sugars content as being healthier. Food manufacturers also use these claims to highlight reformulation action in response to consumer demands and government policies. Methods: A cross-sectional analysis of baked goods and breakfast cereals in the Canadian marketplace was conducted, focusing on the use of sugars-related nutrient content claims (i.e., "no added sugars," "lower/reduced in sugars," "sugar-free") and changes in nutrients and energy content in reformulation strategies. Baked goods and breakfast cereals with sugars-related claims in Canada as of December 2022 were obtained from the Mintel Global New Products Database. Current product availability was verified using websites from manufacturers and major food retailers. Corresponding reference products were identified based on claim criteria specified by the Canadian Food Inspection Agency. Differences in energy, macronutrient content and key ingredients involved in sugars reformulation were assessed between claim and reference products. Results: < 0.001). Specifically, 49% of products with claims of "no added sugar," 27% of "sugar-free," and 23% of "lower/reduced in sugar" had higher energy content compared to corresponding reference products. Sugar alcohols, dietary fibers, non-nutritive sweeteners and starch were the top ingredients used in place of added sugars in claim products. Conclusion: No significant difference in mean total energy content (per 100 g) between baked goods and breakfast cereals carrying sugars-related claims was found, despite various sugar reduction strategies. Thus, these claims could be misleading to consumers who expect such products to be lower in total calories. Food manufacturers are encouraged to reformulate products with improved calorie and nutrition profiles rather than using a single-nutrient focus. Consumers education on these issues can help them be mindful of the presence and unintended consequences of common sugar-replacement practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,258

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207