MétaCan
Menu
Retour à la cohorte
Enregistrement W4414157077 · doi:10.3390/nu17182916

Food Allergy and Foodservice: A Comparative Study of Allergic and Non-Allergic Consumers’ Behaviors, Attitudes, and Risk Perceptions

2025· article· en· W4414157077 sur OpenAlexafffundabout
Fatemeh Shirani, Silvia Fraga Domínguez, Jérémie Théolier, Jennifer Gerdts, Kate Reid, Sébastien La Vieille, Samuel Benrejeb Godefroy

Notice bibliographique

RevueNutrients · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensHealth CanadaAllerGen
Organismes subventionnairesFood Allergy CanadaUniversité Laval
Mots-clésFood allergySeriousnessAllergyRisk perceptionPerceptionPopulationSample (material)Food safety

Résumé

récupéré en direct d'OpenAlex

Background: Food-allergic reactions in restaurants often result from miscommunication between customers with allergies and staff, or from staff members’ insufficient knowledge of food allergies. This study examined the behaviors, attitudes, and risk perceptions of food-allergic consumers when dining out or ordering from foodservice establishments (FSEs) compared to consumers without food allergies. Methods: A representative pan-Canadian survey was conducted amongst three groups: one of individuals without food allergies (n = 500) and two of food-allergic individuals (allergic-convenience sample [n = 500] and allergic-general population [n = 500]). The convenience sample comprised members of Food Allergy Canada, a national patient advocacy organization. Some participants with food allergies had experienced reactions linked to an FSE (43% convenience, 27% general). Weighted responses from food-allergic groups were compared to those of non-allergic ones using chi-square (p < 0.05). Statistical comparison between allergic groups was not attempted due to inherent differences in their allergic condition. Results: In several questions, responses from the non-allergic group differed significantly from those of the allergic-convenience sample, but not from those of the allergic-general population. Food-allergic-convenience respondents were more likely to avoid ordering food or dining out than non-allergic ones, with the highest avoidance (66%) noted for third-party platforms. Cost was the main barrier for non-allergic and allergic-general populations, whereas the allergic-convenience sample prioritized allergy-related concerns. Although at a lower rate than for participants with food allergies, food allergies influenced restaurant selection for 44% of participants without food allergies when dining with individuals outside their household. Most allergic respondents perceived that FSEs underestimate the seriousness of food allergies (82% convenience, 71% general), yet they felt safe while dining out (60% convenience, 85% general), pointing at loyalty to specific FSEs as a risk mitigation strategy. Conclusions: This study highlights a potentially higher burden of disease (psychological and social strain, reduced quality of life) among a subgroup of the food-allergic population (convenience sample), as reflected in their behaviors, attitudes, and risk perceptions towards meals prepared in FSEs. Nevertheless, both allergic groups expressed shared concerns and needs related to safety (e.g., ingredient disclosure for all menu items, prevention of allergen cross-contact, ability of an FSE to offer a safe meal, establishing clear communication processes for allergy-related information), which FSEs and regulators should consider when designing risk management strategies.

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)0,002
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 enseignants0,070
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,290
Écart entre enseignants0,263 · 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'admission3
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207