Εισαγωγή: Οι πίνακες δεδομένων σύνθεσης τροφίμων είναι πολύτιμη πηγή πληροφοριών, ζωτικής σημασίας για την έρευνα, τη βιομηχανία και τη λήψη αποφάσεων πολιτικής. Μια βάση δεδομένων τροφίμων αναφοράς μπορεί να προκύψει είτε από χημική ανάλυση δειγμάτων τροφίμων είτε από ανάλυση δεδομένων που προέρχονται από βάσεις δεδομένων σύνθεσης επώνυμων τροφίμων. Ωστόσο, πρέπει να αντιμετωπιστούν μεθοδολογικές προκλήσεις για τη δημιουργία μιας βάσης δεδομένων σύνθεσης τροφίμων αναφοράς, με βάση τη βάση δεδομένων σύνθεσης επώνυμων τροφίμων. Σκοπός αυτής της μελέτης είναι η δημιουργία μιας βάσης δεδομένων με τρόφιμα αναφοράς που έχουν προέλθει από τα αντίστοιχα επώνυμα προϊόντα από την ελληνική βάση δεδομένων επώνυμων συνθέσεων τροφίμων HelTH.
Μέθοδοι: 4851 προϊόντα από τη βάση δεδομένων σύνθεσης ελληνικών επώνυμων τροφίμων (HelTH) ελέγχθηκαν για να αποκλειστούν τυχόν διπλότυπα ή πανομοιότυπα προϊόντα που καταγράφηκαν με διαφορετικά μεγέθη συσκευασίας. Με βάση την κατηγορία τροφίμων και την υποκατηγορία της ήδη υπάρχουσας βάσης δεδομένων επώνυμης σύνθεσης τροφίμων και σύμφωνα με την ετικέτα και την ονομασία των προϊόντων, η βάση δεδομένων αναδιαρθρώθηκε σε νέες κατηγορίες. Σύμφωνα με συγκεκριμένα κριτήρια όπως προέλευση, περιεκτικότητα σε λιπαρά, είδος τροφίμου, επεξεργασία, ισχυρισμός διατροφής κ.λπ., ορίσαμε ένα μοναδικό κωδικό που αντιπροσωπεύει ένα τρόφιμο αναφοράς που αποτελείται από ένα, δύο ή περισσότερα από τρία επώνυμα προϊόντα.
Αποτελέσματα: Τα προϊόντα ομαδοποιήθηκαν σε 13 μεγάλες κατηγορίες που περιείχαν πιο λεπτομερείς κατηγορίες. Τα προϊόντα ταξινομήθηκαν και κατηγοριοποιήθηκαν σε 2081 ξεχωριστούς κωδικούς τροφίμων αναφοράς, που αποτελούνταν από ένα, δύο ή περισσότερα από τρία επώνυμα προϊόντα. Τα περισσότερα προϊόντα καταμετρήθηκαν στην κατηγορία των γαλακτοκομικών προϊόντων και των δημητριακών. Στην κατηγορία των γαλακτοκομικών προϊόντων καταμετρήθηκαν 454 ξεχωριστοί κωδικοί τροφίμων αναφοράς, οι οποίοι χωρίστηκαν σε 5 μεγάλες κατηγορίες (γάλα, γιαούρτι, τυρί, κατεψυγμένα γαλακτοκομικά προϊόντα, κρέμα γάλακτος). Στα γαλακτοκομικά προϊόντα, οι πιο αξιοσημείωτες διαφορές παρατηρούνται στην περιεκτικότητα σε λίπος και υδατάνθρακες, κυρίως σε σάκχαρα. Αντίθετα, παρατηρείται ομοιογένεια στην περιεκτικότητα σε ενέργεια και πρωτεΐνη. Σε όλες τις μεγάλες κατηγορίες, η κατηγοριοποίηση των προϊόντων φαίνεται να είναι πανομοιότυπη με την κατηγοριοποίηση στις ήδη υπάρχουσες βάσεις δεδομένων σύνθεσης τροφίμων όπως ο USDA, το SwissFIR ή NEVO.
Επίλογος: Η ομαδοποίηση προϊόντων σε κατηγορίες συμβάλλει τόσο στον εμπλουτισμό της βάσης δεδομένων ελληνικών επώνυμων τροφίμων με νέα επώνυμα προϊόντα για την κάλυψη των κενών σε διάφορες κατηγορίες, όσο και στην περαιτέρω διευκόλυνση της δημιουργίας μιας βάσης δεδομένων σύνθεσης τροφίμων αναφοράς, στην οποία η πρόσβαση θα είναι ευκολότερη λόγω αυτής της κατηγοριοποίησης. Μια βάση δεδομένων σύνθεσης επώνυμων τροφίμων είναι απαραίτητη για να δείξει τη μεγάλη διατροφική διαφοροποίηση των επεξεργασμένων προϊόντων διατροφής και να επιτρέψει αναλύσεις για σημεία που δείχνουν μεγάλη ετερογένεια μεταξύ των ίδιων κατηγοριών.
Introduction: Food composition datasets are valuable resource of information, crucial in research, industry and policy decision making. A database of generic foods can be derived from either chemical analysis of food samples or from analysis of data drawn from branded food composition databases. However, methodological challenges must be addressed to derive a composition database of generic foods, based on the branded food composition database. The purpose of this study is to create a database of generic foods that have been derived from the corresponding brand products from the Greek branded food composition database HelTH.
Methods: 4851 products from the Greek branded food composition database (HelTH) were screened to exclude any duplicates or identical products recorded with different package sizes. Based on the food category and subcategory of the already existing branded food composition database and according to the label and the long name of the products, the database was restructured into new categories. According to specific criteria such as origin, fat content, type of food, processing, nutrition claim, etc., we defined a unique ID representing a generic food which consisted of one, two or more than three branded products.
Results: The products were grouped into 13 major categories which contained more detailed categories. Products were classified and categorized into 2081 separate generic food codes, consisting of one, two or more than three branded products. Most products were counted in the category of dairy products and cereal products. In the category of dairy products, 454 separate generic food codes were counted, which were divided into 5 major categories (milk, yogurt, cheese, frozen dairy products, cream). In dairy products the most remarkable differences are observed in the content of fat and carbohydrates, mainly in sugars. On the contrary, homogeneity is observed in energy and protein content. In all major categories, the categorization of products appears to be consistent with the categorization in existing food composition databases such as USDA, SwissFIR or NEVO.
Conclusion: Grouping products into categories conduces both to enrich the Greek branded food composition database with new branded products to fill gaps in various categories, and to further facilitate the creation of a generic food composition database in which the access will be easier due to this categorization. A branded food composition database is necessary to show the large nutritional variation of processed food products and to allow analyzes for points showing large heterogeneity between the same categories.
