論文の概要: Meat-Free Day Reduces Greenhouse Gas Emissions but Poses Challenges for Customer Retention and Adherence to Dietary Guidelines

• arxiv url: http://arxiv.org/abs/2504.02899v1
• Date: Wed, 02 Apr 2025 23:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:49:48.987833
• Title: Meat-Free Day Reduces Greenhouse Gas Emissions but Poses Challenges for Customer Retention and Adherence to Dietary Guidelines
• Title（参考訳）: 肉のない日は温室効果ガス排出を減少させるが、消費者の維持と食事ガイドラインの順守への挑戦
• Authors: Giuseppe Russo, Kristina Gligorić, Vincent Moreau, Robert West,
• Abstract要約: 肉フリーデイ(英語: Meat-Free Day、MFD)は、動物由来の食事の除去を通じて植物由来の食事を促進する戦略である。 大学構内におけるMFDの環境, 行動, 栄養への影響を18カ月以上にわたって検討した。
• 参考スコア（独自算出の注目度）: 10.452261743289258
• License:
• Abstract: Reducing meat consumption is crucial for achieving global environmental and nutritional targets. Meat-Free Day (MFD) is a widely adopted strategy to address this challenge by encouraging plant-based diets through the removal of animal-based meals. We assessed the environmental, behavioral, and nutritional impacts of MFD by implementing 67 MFDs over 18 months (once a week on a randomly chosen day) across 12 cafeterias on a large university campus, analyzing over 400,000 food purchases. MFD reduced on-campus food-related greenhouse gas (GHG) emissions on treated days by 52.9% and contributed to improved fiber (+26.9%) and cholesterol (-4.5%) consumption without altering caloric intake. These nutritional benefits were, however, accompanied by a 27.6% decrease in protein intake and a 34.2% increase in sugar consumption. Moreover, the increase in plant-based meals did not carry over to subsequent days, as evidenced by a 3.5% rebound in animal-based meal consumption on days immediately following treated days. MFD also led to a 16.8% drop in on-campus meal sales on treated days.Monte Carlo simulations suggest that if 8.7% of diners were to eat burgers off-campus on treated days, MFD's GHG savings would be fully negated. As our analysis identifies on-campus customer retention as the main challenge to MFD effectiveness, we recommend combining MFD with customer retention interventions to ensure environmental and nutritional benefits.
• Abstract（参考訳）: 肉の消費を減らすことは、世界の環境と栄養の目標を達成するのに不可欠である。 食肉フリーデイ(MFD)は、動物性食事の除去を通じて植物性食事を促進することで、この課題に対処するための広く採用されている戦略である。 MFDの環境, 行動, 栄養への影響を, 大学キャンパス内の12のカフェテリアで18ヶ月(ランダムに選抜された日)に67のMFDを実施し, 40,000以上の食品購入を分析した。 MFDは治療日の温室効果ガス(GHG)排出量を52.9%削減し、カロリー摂取量を変えることなく繊維(+26.9%)とコレステロール(4.5%)の改善に寄与した。 しかし、これらの栄養効果は、タンパク質の摂取量が27.6%減少し、砂糖消費量が34.2%増加した。 さらに、処理日直後の日は、動物食の3.5%のリバウンドで示されるように、植物食の増産はその後は続かなかった。 MFDはまた、治療日におけるキャンプでの食事販売が16.8%減少し、カルロのシミュレーションでは、8.7%のダイナーが治療日にキャンプ外でハンバーガーを食べていた場合、MFDのGHGの貯蓄が完全に無効になることが示唆されている。 本分析では、MFD効果の最大の課題として、現地の顧客留保を特定できるので、MFDと顧客留保の介入を組み合わせることで、環境及び栄養的利益の確保を推奨する。

関連論文リスト

• Machine learning and natural language processing models to predict the extent of food processing [2.0344484702022263]
  超加工食品消費に関連する公衆衛生上の影響を考えると、食品の処理を予測するための計算モデルを構築することは極めて重要である。 私たちは、食品処理の範囲を予測するために、機械学習、ディープラーニング、NLPモデルを作成しました。 食品の栄養パネルに基づいて処理レベルを予測するためのユーザフレンドリーなWebサーバを提案する。
  論文  参考訳（メタデータ） (2024-12-23T02:08:45Z)
• Leveraging LLMs for Predictive Insights in Food Policy and Behavioral Interventions [1.979158763744267]
  食料消費と生産は温室効果ガスの排出に大きく貢献する。 食品政策のイニシアチブは、生産と消費のパターンを再構築するための介入を探求してきた。 本稿では,微調整された大言語モデル(LLM)が結果の方向を正確に予測できることを実証する。
  論文  参考訳（メタデータ） (2024-11-13T12:21:13Z)
• Impact of COVID-19 post lockdown on eating habits and lifestyle changes among university students in Bangladesh: a web based cross sectional study [0.0]
  本研究は, 学生の食事習慣, 身体活動, 睡眠時間, 買い物習慣, インターネット利用時間, 精神状態の有意な変化を明らかにすることを目的とした。 調査によると、回答者の21.5%が体重を、23.8%が体重を減らし、41.7%が体重をコントロールした。
  論文  参考訳（メタデータ） (2024-07-15T03:08:32Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• Kitchen Food Waste Image Segmentation and Classification for Compost Nutrients Estimation [5.839432277004074]
  LILAホームコンポストは、キッチンスクラップや毎日の食品廃棄物を栄養豊富なコンポストにリサイクルする便利な手段を提供する。 食品廃棄物の高分解能画像データセットを作成・注釈し, 栄養価の高い19種類のセグメンテーションマスクを作成した。 食品廃棄物のセグメンテーションに関する4つの現状セグメンテーションモデルをベンチマークし, 窒素, リン, カリウムのコンポスト品質の評価に寄与した。
  論文  参考訳（メタデータ） (2024-01-26T19:41:48Z)
• From Microbes to Methane: AI-Based Predictive Modeling of Feed Additive Efficacy in Dairy Cows [0.0]
  本研究は, 乳牛の飼料添加剤の有効性を予測するために, ラムエン微生物データを用いた。 本研究は, 飼料添加剤を原料として, 乳の収量と乳組成を最適化するトランスフォーメーション能力について検討した。
  論文  参考訳（メタデータ） (2023-11-21T10:57:28Z)
• NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation [68.49526750115429]
  食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。 NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
  論文  参考訳（メタデータ） (2023-11-20T11:05:20Z)
• NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake Estimation [65.47310907481042]
  高齢者の4人に1人は栄養不良です。 機械学習とコンピュータビジョンは、食品の自動栄養トラッキング方法の約束を示す。 NutritionVerse-3Dは、105個の3D食品モデルの大規模な高解像度データセットである。
  論文  参考訳（メタデータ） (2023-04-12T05:27:30Z)
• Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
  栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。 米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。 提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
  論文  参考訳（メタデータ） (2022-06-05T02:41:44Z)
• Enhancing Food Intake Tracking in Long-Term Care with Automated Food Imaging and Nutrient Intake Tracking (AFINI-T) Technology [71.37011431958805]
  長期医療(LTC)の住民の半数は、入院、死亡、死亡率、生活の質の低下が悪化している。 本稿では,LCCのための食品自動撮像・栄養摂取追跡技術(AFINI-T)について述べる。
  論文  参考訳（メタデータ） (2021-12-08T22:25:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。