Association between the diagnosis of diet-related non-communicable diseases and the use of nutritional labeling among Mexican, Mexican American, and non-Mexican American adults: a cross-sectional study from the International Food Policy Study 2021–2022
Notice bibliographique
Résumé
BACKGROUND: Diet-related non-communicable diseases (NCDs) are major global health concerns. Front-of-package warning labels (WLs) and nutrition facts labels (NFLs) aim to promote healthier food choices, yet their use among individuals with NCDs and across populations remains underexplored. This study uniquely compares two labeling systems (WL and NFL) and examines the association between NCD diagnosis and label use among Mexican, Mexican American, and non-Mexican American adults. METHODS: Cross-sectional data from the 2021–2022 International Food Policy Study were analyzed. Self-reported WL and NFL use and NCD diagnoses (diabetes, hypertension, heart disease, high cholesterol, cancer) were examined using multivariate logistic regression models adjusting for sociodemographic and health-related confounders. RESULTS: Among 23,951 adults, NFL use was highest among non-Mexican Americans (80.1%) and lowest among Mexicans (69.8%, p < 0.01). NFL use was significantly associated with diabetes and multiple NCDs in non-Mexican Americans. Specifically, non-Mexican Americans diagnosed with diabetes were 68% more likely to use the NFL (AOR 1.68, 99% CI: 1.26–2.24) compared to those without an NCD diagnosis. Furthermore, non-Mexican Americans with 3 or more NCDs were 48% more likely to use the NFL (AOR 1.48, 99% CI: 1.07–2.06). In Mexico, WL use (77.4%) exceeded NFL use (69.8%). Mexicans with high cholesterol were more likely to perceive the “Excess Sodium” label as the most useful (AOR 1.89, 99% CI: 1.15–3.12), while those with diabetes found the “Excess Sugar” label particularly helpful (AOR 1.65, 99% CI: 1.07–2.54). CONCLUSIONS: Labeling use varied across populations and NCD status. These findings highlight the potential of interpretive front-of-package labels to support informed food choices, particularly among individuals with NCDs, and to strengthen public health strategies that promote healthier dietary behaviors.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».