Does the Inclusion of Free Sugars as Opposed to Total Sugars in Nutrient Profiling Models Improve Their Performance? A Cross-sectional Analysis From the PREDISE Study
Notice bibliographique
Résumé
BACKGROUND: Nutrient profiling (NP) models characterize the healthfulness of foods. Few NP models have been validated, and nutrients included in their algorithm do not always reflect the most recent scientific evidence. OBJECTIVES: This study aimed 1) to evaluate the validity of NP models against a diet quality measure and cardiometabolic risk factors in French-Canadians and 2) to compare the validity of each model when replacing total sugars by free sugars in their algorithm. METHODS: The PRÉDicteurs Individuels, Sociaux et Environnementaux cross-sectional study was used to test original and modified versions (i.e., including total or free sugars, respectively) of 3 NP models: Health Star Rating (HSR) system, Nutri-Score, and Nutrient-Rich Food index 6.3. Data from web-based self-administered 24-h recalls completed by 1019 adults were used to calculate energy-weighted NP-derived individual scores for both versions of each model. Associations between individual scores and the Healthy Eating Food Index 2019, as well as 14 biomarkers covering anthropometry, blood pressure, blood lipids, glucose homeostasis, and inflammatory biomarkers, were assessed using multivariable linear models. RESULTS: ; P ≤ 0.0001), diastolic blood pressure (β: -0.08 to +0.30 mm Hg; P ≤ 0.04) and triglycerides (β: -0.01 to +0.02 mmol/L; P ≤ 0.002). Original HSR and Nutri-Score were also associated with lower waist circumference and HOMA-IR, lower insulin (HSR only), and higher HDL cholesterol (Nutri-Score only). Replacing total sugars by free sugars in each model only slightly increased the number of associations observed with biomarkers. CONCLUSIONS: All 3 models are associated with diet quality and some biomarkers of health status in French-Canadians, although no model outranks the others. Replacing total sugars by free sugars has little to no effect on NP models' performance, therefore not supporting this approach for now.
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 | 0,047 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».