MétaCan
Menu
Retour à la cohorte
Enregistrement W4407899775 · doi:10.1371/journal.pone.0312638

Estimating the dietary and health impact of implementing mandatory front-of-package nutrient disclosures in the US: A policy scenario modeling analysis

2025· article· en· W4407899775 sur OpenAlexaff
Nadia Flexner, Daniel Zaltz, Eva Greenthal, Aviva A. Musicus, Mavra Ahmed, Mary R. L’Abbé

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCenter for Science in the Public Interest
Mots-clésNational Health and Nutrition Examination SurveyEnvironmental healthCalorieSaturated fatContext (archaeology)Added sugarMedicineNutrientFood scienceObesityBiologyPopulationEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recognized as a cost-effective policy to promote healthier diets, mandatory front-of-package labeling (FOPL) identifying foods high in sodium, sugar, and saturated fat has been adopted and implemented in ten countries, and is currently under consideration in several others including the US. However, its potential impact on dietary intake and health have not yet been estimated in the US context. OBJECTIVES: To estimate (1) the potential dietary impact of implementing mandatory nutrient-specific 'high in' FOPL among US adults; and (2) the number of diet related non-communicable disease (NCD) deaths that could be averted or delayed due to estimated dietary changes. METHODS: Baseline and counterfactual dietary intakes of sodium, sugars, saturated fats, and calories were estimated among US adults (n = 7,572) using both available days of 24h recall data from the 2017-2020 National Health and Nutrition Examination Survey (NHANES). The National Cancer Institute method was used to estimate usual intakes and distributions, adjusting for age, sex, misreporting status, weekend/weekday, and sequence of recall. To estimate counterfactual dietary intakes, we modeled two reduction scenarios observed in experimental and observational studies that examined changes in sodium, sugars, saturated fat and calorie content of food and beverage purchases due to nutrient-specific 'high in' FOPL. This study used the Preventable Risk Integrated ModEl (PRIME) to estimate potential health impacts. RESULTS: Estimated mean dietary reductions of 156 mg and 259 mg/day of sodium, 10.1 g and 7.2 g/day of sugars, 1.08 g and 4.49 g/day of saturated fats, and 38 kcal and 57 kcal/day of calories were observed under the two policy scenarios tested. Between 96,926 (95% UI 89,011-105,284) and 137,261 (95% UI 125,534-148,719) diet related NCD deaths, primarily from cardiovascular diseases (74%), could potentially be averted or delayed by implementing mandatory nutrient-specific FOPL in the US. Overall, more lives would be saved in males than females. CONCLUSIONS: Findings suggest that implementing mandatory nutrient-specific 'high in' FOPL in the US could significantly reduce sodium and total sugar intakes among US adults, resulting in a substantial number of NCD related deaths that could be averted or delayed. Our results can inform current food policy developments in the US regarding the adoption and implementation of FOPL regulations.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,077
Tête enseignante GPT0,361
Écart entre enseignants0,283 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207