Un algorithme révolutionnaire expose la quantité de sucre caché qui se cache dans votre nourriture et montre quels pays et produits répondent à la marque des glucides sains.
Étude: prédire la qualité des glucides dans une base de données globale d'aliments emballés. Crédit d'image: New Africa / Shutterstock
Les glucides contribuent environ 70% de l'apport énergétique quotidien dans le régime alimentaire humain moyen dans le monde; Pourtant, l'importance de la qualité des glucides est souvent éclipsée par sa quantité. Dans une étude récente publiée dans la revue Frontières en nutritionune équipe de recherche européenne a développé un algorithme pour prédire la teneur en sucre gratuite dans les aliments emballés, fournissant des informations sur la qualité des glucides à l'échelle mondiale.
Sommaire
Glucides dans le régime alimentaire
Les glucides sont une source d'énergie vitale et jouent un rôle crucial dans la nutrition mondiale. Bien que les discussions sur l'alimentation se concentrent souvent sur la quantité de glucides, la qualité des glucides est tout aussi essentielle pour maintenir une bonne santé. Les preuves scientifiques indiquent que la qualité des glucides affecte la fonction métabolique et le risque de maladies chroniques.
Un outil utilisé pour évaluer la qualité des glucides est le rapport de qualité des glucides (CQR), qui évalue l'équilibre des glucides totaux, des fibres alimentaires et des sucres libres dans les produits alimentaires. Ce rapport spécifie au moins 1 gramme de fibres alimentaires pour 10 grammes de glucides totaux, et pas plus de 2 grammes de sucres libres par 1 gramme de fibres. Ce ratio aide à distinguer les aliments bénéfiques nutritionnellement de ceux qui peuvent contribuer à de mauvais résultats pour la santé.
Cependant, déterminer avec précision la teneur en sucre libre dans les aliments emballés reste un défi. Peu de pays ont besoin d'un étiquetage explicite des sucres ajoutés, limitant la transparence pour les consommateurs et les chercheurs. Les sucres libres, tels que définis par l'Organisation mondiale de la santé (OMS), comprennent des sucres ajoutés ainsi que des sucres naturels dans le miel, les sirops et les jus de fruits, tandis que la FDA définit les sucres ajoutés comme ceux introduits pendant le traitement. Ce manque d'informations entrave les efforts pour évaluer efficacement la qualité des glucides, ce qui rend difficile de faire des choix alimentaires éclairés et d'étudier l'impact de la consommation de glucides sur la santé.
À propos de l'étude
Dans la présente étude, les chercheurs ont développé un algorithme pour prédire les sucres gratuits dans les aliments emballés dans le monde entier, pour combler un écart de connaissances essentiel dans la qualité des glucides. Ils ont utilisé des données de la base de données MINTEL Global New Products (GNPD), qui contient des informations détaillées sur les aliments emballés de 86 pays, notamment la composition des nutriments et les listes d'ingrédients.
Avant l'analyse, l'équipe a méticuleusement nettoyé et standardisé les données pour assurer la cohérence. Une étape cruciale impliquait de conserver et de marquer manuellement les ingrédients en utilisant des expressions régulières pour les classer comme des sucres ajoutés ou naturels – une distinction qui était essentielle pour estimer avec précision la teneur en sucre libre.
Pour construire des modèles prédictifs, les chercheurs ont utilisé des techniques d'apprentissage automatique. Ils ont formé leurs modèles en utilisant des données des États-Unis (États-Unis) et ont officiellement testé leurs performances dans 14 pays sélectionnés, tout en appliquant les modèles aux produits de 81 pays supplémentaires. Les modèles ont analysé les étiquettes des produits, compte tenu des six premiers ingrédients classés comme des sucres, des fruits ou des produits laitiers ajoutés, ainsi que des informations nutritionnelles détaillées telles que la teneur en énergie, les graisses, les glucides, les fibres, les protéines, les sucres et le sodium.
Le pipeline comprenait trois classificateurs binaires pour détecter la présence de sucres ajoutés et de modèles de régression à base d'arbres empilés pour estimer leur quantité. De plus, les valeurs de sucre ajoutée prédites ont été utilisées comme estimations du sucre libre, à l'exception des catégories d'aliments spécifiques telles que les boissons à jus et la confiserie de sucre, où les sucres totaux ont été utilisés directement en raison de leurs profils de sucre unique.
Enfin, les modèles ont été appliqués aux produits sans déclarations explicites de sucre ajouté pour prédire la composition des glucides. La qualité des glucides a été évaluée à l'aide d'un rapport 10: 1 à 1: 2 prédéfini des glucides, des fibres et des sucres libres.
Conclusions clés
L'étude a révélé que les modèles d'apprentissage automatique ont démontré un degré élevé de précision dans la prévision de la teneur en sucre gratuite dans les produits alimentaires emballés. L'erreur absolue moyenne pour l'ensemble de tests a été calculée à 0,96 g / 100 g, indiquant une différence moyenne relativement petite entre les valeurs prévues et déclarées.
En outre, le modèle a obtenu un R² élevé de 0,98 entre les valeurs prédites et déclarées et a surpassé les modèles précédents tels que les voisins K-Dearest, qui ont montré un taux d'erreur beaucoup plus élevé, confirmant la fiabilité des prédictions. Notamment, les capacités prédictives du modèle ne se sont pas limitées aux États-Unis. Les chercheurs ont constaté que le modèle s'est produit avec précision lorsqu'il était officiellement testé dans 14 pays et s'est appliqué dans 81 pays supplémentaires, mettant en évidence son applicabilité mondiale.
L'étude a également examiné la proportion de produits alimentaires qui répondaient au ratio de qualité des glucides cibles, révélant des variations significatives entre les catégories d'aliments et les pays. Aux États-Unis, les produits qui respectent le rapport de qualité des glucides variaient considérablement, allant de 60% relativement élevés pour les céréales chaudes à 0% notablement faible pour le lait aromatisé et les boissons malt. Cette large gamme a mis en évidence la diversité de la qualité des glucides même dans un seul pays.
Lorsque l'on considère toutes les catégories d'aliments, le pourcentage de produits rencontrant le ratio cible variait de 67% au Royaume-Uni, ce qui représente une adhésion relativement élevée à la norme de qualité, à 9,8% en Malaisie, indiquant une proportion significativement plus faible de produits qui répondent à la qualité des glucides souhaitée.
Notamment, les boissons à base de plantes – contrairement à la plupart des catégories de boissons – ont affiché une adhésion relativement élevée au rapport de qualité des glucides entre les pays, en raison de la teneur en fibres plus élevée et de la baisse des niveaux de sucre ajouté.
Cependant, les chercheurs ont reconnu que la précision des prédictions de certains pays pourrait être limitée dans une certaine mesure par une petite taille d'échantillon, ce qui pourrait potentiellement affecter la généralisation des résultats de ces régions spécifiques.
De plus, les auteurs ont effectué des tests Z comparant les valeurs prédites et déclarées du sucre libre dans 18 catégories d'aliments aux États-Unis et n'ont trouvé aucune différence statistiquement significative, affirmant la robustesse du modèle.
Conclusion
En résumé, l'étude a développé et validé avec succès une méthode basée sur l'apprentissage automatique pour prédire la teneur en sucre libre dans les aliments emballés à l'aide d'une base de données globale à grande échelle. Cette approche entièrement automatisée et évolutive a démontré une forte précision entre les pays et les catégories d'aliments et peut être étendue à d'autres bases de données et mesures nutritives nécessitant une estimation du sucre libre.
Les valeurs de sucre libre prédites pourraient également améliorer les systèmes de profilage des nutriments tels que Nutri-score, qui reposent actuellement sur les sucres totaux en raison des exigences d'étiquetage limitées.
Cette approche méthodologique innovante a fourni un outil précieux et puissant pour surveiller et évaluer la qualité des glucides dans l'approvisionnement alimentaire mondial, offrant des informations cruciales pour les initiatives de santé publique et les conseils alimentaires.
