Suivi du portrait des sauces pour pâtes disponibles au Québec 2019-2023
Bibliographic record
Abstract
Ce suivi montre qu’en moyenne, l’offre de sauces pour pâtes n’a pas changé de façon significative depuis 2019. Malgré une augmentation de la proportion de produits respectant les seuils de la VQ pour le sodium et les gras saturés, les changements notés ne sont pas significativement différents de 2019. Des améliorations spécifiques pour certaines sauces pour pâtes ont toutefois été remarquées. C’est d’ailleurs le cas pour les sauces rosées qui atteignent plus souvent les cibles de réduction volontaire du sodium de Santé Canada. De plus, lorsque les ventes sont considérées, d’autres améliorations sont observées, notamment pour les sauces pour pâtes modifiées. Ceci indique que les consommateurs ont acheté ces produits plus nutritifs. Outre les gras saturés, le sodium demeure un nutriment à surveiller. Bien qu’il y ait davantage de sauces respectant le seuil de 15 % de la VQ pour le sodium, 68 % des sauces répertoriées (représentant 69 % des ventes) se trouvent toujours au-dessus de ce seuil. Par conséquent, si aucune amélioration n’est apportée d’ici la fin de la période d’implantation (1er janvier 2026), 70 % des sauces analysées dans le présent rapport devront afficher le symbole nutritionnel révélant un contenu élevé pour au moins un nutriment.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".