Comparative Analysis of the Nutritional Composition of Gluten-Free and Gluten-Containing Bars Marketed to Children in Ontario
Notice bibliographique
Résumé
The market for gluten-free (GF) snack products has expanded, even among children without gluten-related disorders, but few studies have assessed their nutritional quality relative to gluten-containing (GC) counterparts. This study compared the macronutrient composition and fibre additive content of such snack bars marketed to children in Ontario. A total of 110 snack bars were identified using a standardized set of marketing-based criteria. Nutritional data, including macronutrient content and the presence of fibre additives such as inulin and fructooligosaccharides (FOSs), were collected. Data was standardized per 100 kcals and bar size, then analyzed using an independent sample t-test and chi-square. Results indicated that GF bars contained significantly higher levels of protein (1.7 ± 0.77 g vs. 1.3 ± 0.44 g; p = 0.002) and fibre (1.9 ± 0.95 g vs. 1.4 ± 0.98 g; p = 0.015). No significant differences were observed for sugar, carbohydrates, total fat, saturated fat, or trans fat content. Fibre additives were more common in GF bars (24.4% vs. 10.1%), though this association was not statistically significant (p = 0.079). Findings suggest that while GF bars show slight nutritional advantages, their similar overall profiles and greater use of fibre additives indicate room for improvement across both categories.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».