Integrating nutritional and environmental impacts of animal-source foods via nutrition-based life-cycle assessment (nLCA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Significant progress has been made in animal production systems to better understand the environmental footprints in animal-source foods by applying life-cycle assessment (LCA). However, prior LCA studies heavily focused on quantifying environmental footprints based on physical units, with less attention on the nutritional value of foods. Given that animal-source foods play a vital role in providing key nutrients, it's critical to integrate both nutrition and environmental impacts to better understand the sustainability of foods. Hence, this study aims to assess the nutritional-based cradle-to-gate environmental impacts of five animal-source foods, including pork sausage, pork ham, pork bacon, beef sausage, and beef steak, via nutrition-based LCA approach. Nutritional-environmental footprint (NEF) was quantified based on three functional units: per serving, per 50 g protein, and per 100 kcal energy. Both ranking and actual value method were applied to assess and compare each food's combined environmental and nutritional footprints. Results show that relative to pork products, beef products generally score higher environmental footprints; however, beef steak tends to rank higher when considering nutrition parameters alone. When nutritional and environmental footprints are integrated into NEF scores, pork bacon tends to receive lower NEF scores than other products under most scenarios. Although the choice of assessment methods and functional units impacts NEF scores and the product ranking, the overall pattern remains consistent. These outcomes provide insights for various stakeholders such as the animal industry to identify sustainability hotspots, policymakers to establish evidence-based product recommendations and certification guidelines, and consumers to make informed decisions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle