Brazilian front-of-package nutrition labelling and food additives: an approach to identify ultra-processed food products
Notice bibliographique
Résumé
This study aimed to explore combinations of the Brazilian front-of-package nutrition labelling (FoPNL) (high in added sugar, saturated fat or sodium) and/or three specific food additives with cosmetic functions (colourings, flavourings and non-sugar sweeteners) in packaged foods and beverages marketed in Brazil. This approach intends to strengthen the identification of ultra-processed food products (UPFP) by consumers through the information available on their labels. A cross-sectional study was carried out using data from the list of ingredients and the nutrition facts panel on labels of processed foods and UPFP available in Brazilian supermarkets between April and July 2017, totalling 8436 food items assessed, of which 84·0 % were UPFP. Of the total, 62·7 % of the UPFP would have the FoPNL and 65·1 %, 37·9 % and 12·9 % had flavouring, colouring and non-sugar sweeteners, respectively. Combining criteria for the FoPNL with any one of the three cosmetic additives analysed, 45·9 % of the UPFP were identified, and when considering the presence of the FoPNL, flavouring, colouring or non-sugar sweeteners, the identification increased to 89·9 %. Results showed that the current FoPNL in Brazil does not facilitate the identification of UPFP. In this sense, labels that indicate the presence of food additives with cosmetic functions (which are UPFP markers) could be a public health strategy to reduce the consumption of UPFP. Currently, food labelling regulations in Brazil are not aligned with Brazilian Dietary Guidelines recommendations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».