Andreu Farran Codina (11,Josep Boatella Riera (l), Lluís Serra Majem (2), Lourdes Ribas (2), Magda
Rafecas Martínez (1) y Rafael Codony Salcedo (1)
( 1) Unidad de Nutrbfm y Brnmatolo~í;~. Departamento de Ciencias Fisiológicas Humanan y dc la Nutrición. Universidad dc Bmelona.
(7) Unidad de Medicina Preventiva. Departamento de Salud Pública y Legislación Sanitaria. Divisón de Ciencias de la Salud. Universidad
de Bxcelona.
,r T:qe trab:ljo ha rectbido una ayuda dc la DirecciCin General de Salud Pública de In Generalidad de Cataluña. a través dc la Fundncibn
Bosch Gimpera de la Universidad de Pacelona.
RESUMEN ABSTRACT
El creciente intcrCs hacia los temas de nutrición co- General Criteria of Elaboration and
niunitaria y calidad nutricional de los alimentos ha ori-
ginado una mayor demanda de información sobre la Use of Food Composition Tables and
composición dc los mismos. Ello ha comportado la apa- Food Data Systems
rición de numerosas tablas de composición de alimentos.
al mismo tiempo que su utilización se ha generalizado. Sin
embargo. muy a menudo no se conoce suficientemente The growing interest in the íield of community nu-
ctjmo valorar y utilizar ta información que contienen y trition nnd nutritional quality has originatcd a mqior de-
no se interpretan correctamente los resultados obtcni- mand on food composition information. Thiq has makc
dos. Las tablas de composición de los alimentos (TCA) an increase in thc number of food composition tables ;I\
han de considerarse como sistemas de datos. no restrin- well as in its applications. However. otien thc appro-
@doS tinicamente a la inlòrmaci6n tabulada, que inten- piatte interpretation of thc information obtained is misL,-
tan recoger IX composiciones representativas de los sed. Foocl composition tablcs need to bc considered as
alimentos m;ís importantes de un ámbito concreto. La data systems. not only restricted to the tabulated inl’or-
dificultad que csto supone a diferentes niveles (mucs- mation, that try to compile composition of moxt impor-
treo. tt:cnicaì analíticas. expresión de los datos, etc.) im- tant representativc food in the region. Dificulties arising
plica la asunción de un nesgo que el usuario debe tenel from this method at diffcrent IcveIs (sampling. analyti-
en cuenta. Por otro lado. In mismaaplicnción de las TCA cal procedures, data prcsentation. etc.) make to the re-
no es15exenta de fuentes dc variabilidad. searcher the nced to consider severa1 risks. On the othel
El presente trabajo pretende exponer de una mane- hand, the application of food composition tableh ic sub-
ra general las principales consideraciones a tener en jected to many sources of variability.
cuenta para un uso correcto de las TCA y de los sistemas
informYticos desarrollados a tal efecto, así como en la The present work tries to make clear the main con-
interpretación de los resultados obtenidos en encuestah siderations in using food composition tablcs appropiate
nutricionnles. ly, as well as in managing software and interpretinp
results from food consumption studies.
Pnlnhrns clave: Tabla? de composición dc los ali-
mentos. Nutrientes. Estudio de la composición de los Key words: Food composition tablcs. Nutrientk
alimentos. Epidemiología nutricional. Banco de datos Food composition study. Nutrition epidemiolog>j. Footl
sobre composición de los alimentos. data bank.
INTRODUCCION
Correspondencia:
Andrerl Fkm Codina. La necesidad de evaluar el aporte cie I~II-
Unidad de Nutrmón y Bromtología.
Facultad dt: Farm;~ci~~ trientes a través de los alimentos que ccw,::-
A& Joan XX111 41. 05\018 Barcelonn. mimos, requiere un conocimiento 10 III&
A Fmw Codina et al
preciso posible acerca de SLI composición. bién datos complementarios y toda la infor-
De esta manera, es posible realizar estudios mación necesaria para su correcta utiliza-
cuantitativos en nutrición humana para pro- ción.
porcionar dietas adecuadasa individuos o po-
La tarea de elaborar unas TCA es suma-
blaciones y su aplicación en el tratamiento de
mente compleja. Ello es debido a la diversidad
enfermedades. Por otra parte, el creciente in-
de alimentos consumidos y a la necesidad de
terés en la calidad nutricional de los alimen-
controlar y limitar el sesgo que puede produ-
tos hace imprescindible que las industrias y
cirse en los datos, debido a diversas fuentes
organismos estatales dispongan de este tipo
de variabilidad, las cuales se comentarAn
de información (desarrollo de nuevos formu-
más adelante. Generalmente, son los orga-
lados, etiquetado nutricional, etc.).
nismos estatales o los dependientes de orga-
Esta información se encuentra disponible nizaciones internacionales los que llevan a
principalmente en las tablas de composición de cabo la tarea de elaborar tablas o bases de
Ios alimentos (TCA) o, más recientemente, en datos de composición de los alimentos. Las
basesde datos informatizadas (tabla 1). Estas tablas pueden ser de c?mbitonacional, regio-
últimas han supuesto una mejora importante nal 0 internacional ‘. Lógicamente, cuanto
de la rapidez y exactitud en el uso de los da- más amplio sea el ámbito para e1cual ha sido
tos. En ambas, los datos sobre composición elaborada la TCA, más dificil resultara con-
de los alimentos han sido compilados y se- seguir una representatividad adecuada de los
leccionados siguiendo unos criterios que in- datos tabulados respecto a los alimentos con-
tentan asegurar la máxima representatividad sumidos, sencillamente porque existir6 una
respecto al conjunto formado por los alimen- mayor heterogeneidad en los factores res-
tos más habituales en un país. Incluyen tam- ponsables de variaciones (prácticas de pro-
TABLA 1
U.S. Department of Agriculture Composition of foods. Raw, processed, prcpared Agriculturc Handbook No. 8. Sections
1-2 1. Washington DC: Government Printing Office, 1976 1990. Tomos publicados: “Baby foods” ( 1987), “Beef
products” ( 1990), “Beverages” (19SG),“Breakfast cereal? ( I982), “Cereals, grains and pasta“ ( 1989), “Dairy anrl cgg
products” ( I976), “Facs foods” (198S), “Fats ant1oils” ( 1972), “Finfish and shcllfish“ (1987), “Fruits and fruit juices”
(1983, “Lamb, vea1 and game” (1989), “Legumcs and legumc producls” (1987), “Nuls and seeds” (19X3), “Poultry”
(1979), “Sausages and luncheon ments” ( 1980), “Snacks and sweets” (1991), “Soups, sauces and gravies” ( 198(l),
“Spices and herbs” ( I977), “Vegetables: vegc table produc ts” (1984), m& dos suplementos anuales ( 1989 y 1990).
Holland B, Unwin ID, Buss DH. Supplements to McCance and Widdowson’s The Composition of Foods. 4.” ed.
“Amino acids and fatty acids” ( I980), “lnmigrant foods” (1985), “Cereals and cereals products” (1988). “Milk
products and eggs” (1989), “Vegetables, herhs and spiccs” (199 1). Cambridge: Roya1 Society of Chemistry and
Ministry of Agricul ture, Fisherics and Food. I980- 199 1.
Holland B, Welch AA, Unwin ID, Buss DH, Paul AA, Southgate DAT. McCanceand Widdowson’s The composition
of foods. 5.” ed. Cambridge: Roya1 Society of Chemistry and Ministry of Agriculture, Fisherics and Food, 1991.
Suplementos publicados: “Vegetable dishes” (1992), “Fruits and nuts” (1992)).
Feinberg M, Favier JC, Ireland-Ripert J (1987-1991). Rcpertoire Général des Aliments. Paris: CLQUAL-FFN-
Lavoisier, 1987- 1993. Tomos publicados: “Les cocps gras” (1987), “Les produits laitiers” (1987), “Table de
composition des aliments” (199 1), “Fruits exotiques, fruits de cueillctte d’ Afrique” ( 1993).
Mataix J, Mañas M, Llopis J, Martínez de Victoria E. Tabla de composisión de alimentos españoles.
Scherz H, Kloos G, Scnser F. Souci, Fachman and Kraut’s Food composition and nutrition tables. Stuttgart:
Wissenschaftliche Verlag GmbH, 1989.
UM rektcicítz completa de lus FCA editndus hasta 1988 en lodo el tnutzdo se puede encontsur etI:
Heintze D. Internationnl directory of food composition tables. Cambridge: INFOODSIMassachusets Institute of
Technology, 1988.
2. Método indirecto. Los datos provie- Las TCA deben proporcionar la informa-
nen de diversas fuentes: literatura ción sobre el método de elaboracion de la ta-
bla y obtención de los datos (referencias,
científica, datos no publicados de
laboratorios públicos o privados, formulas de calculo utilizadas, recetas, í’acto-
cte. El procesamiento de estos da- res, etc.), así como los criterios de calidad apli-
tos requiere un examen muy rigu- cados en In seleccion dc los valores de
roso de su calidad antes de que diferentes fuentes ‘.“‘. Sólo de esta manera los
sean incluidos en una base de datos.
usuarios podran valorar convenientemente la
Este método precisa una infraestruc- adecuación de las tablas a sus necesidades.
tura menor, pero el escrutinio al que
se han de someter los datos requiere
Estructura y extensih de las tablas
mucho tiempo.
3. Metodo combinado. Es el utilizado Nutrimtcs. La elección de los nutrientes
Inayorit~~riamente en la elaboracion a incluir en una tabla debe hacerse a partir
de bases de datos sobre la composi- de las necesidades de los usuarios ’ y te-
ción de los alimentos. LJtiliza datos niendo en cuenta la existencia de métodos
generadospor un programa de analisis analíticos adecuados, la disponibilidad de
propio para alimentos de consumo fre- datos analíticos o la viabilidad de los anali-
cuente, junto con datos externos para sis que sea necesario realizar. Se han de de-
alimentos menos importantes. Es el finir inequívocamente los nutrientes para los
método que mantiene una me-jor re- que se expresan valores, evitando ambigiie-
lación calidad-coste. dades ’ ’ , Así, por ejemplo, bajo el epígrafe
“carbohidratos” hay que explicitar si se in-
Si tenemos en cuenta el 1110ci0 en que se
cluyen solo azúcares (monosacáridos, disa-
obtienen los datos, podemos distinguir entre:
cáridos y oligosacáridos) y polisacaridos
\/crlor~s arrulíticos origil1ale.s. Obtenidos disponibles (dextrinas, almidón y glucoge-
a través de análisis con o sin el proprísito de no) ‘(’ o si también se consideran otros com-
destinarlos a una TCA. puestos (sorbito1 y xilitol, ácido cítrico,
acido málico y ácido láctico) “.
I/crlores imprltodns. Son estimaciones
realizadas a partir de datos sobre la composi- Junto a una definición clara de los nu-
ción de un alimento similar o mediante el trientes es conveniente que se comenten las
cálculo a partir de datos parciales 0 incom- características de los metodos analíticos
pletos (por ejemplo, el c5lculo de carbohi- aceptados como validos, la interpretacion
dratos o fibra por diferencia). correcta de los valores obtenidos mediante cs-
CRITERIOS GENERALES DE ELABORACION Y UTILIZAClON DE...
Grupos de alimentos
n= 14 n= 19
231alirnenlos 572 alimentos
TABLA 3
Expresión de los datos y convenciones
Factores considerados en el código descriptivo
LANCXJAL ”
La expresión de los datos ha de conside-
I;c~c7ori~s pr-iticipuies rarse según unos criterios de coherencia y,
Tipo de alimento como se ha señalado en otros apartados, uti-
Ingrediente principal lidad para el usuario de las TCA.
Partida utilizada
Estado fisico
Tratamiento térmico
Sig@cación cle las c$kas. El número de
Método de cocción dígitos significativos que se expresen ha de te-
Tratamientos tecnológicos ner en cuenta la precisión de los métodos ana-
Conservación líticos, la significación nutricional, los hábitos
Medio de acondicionamiento
Usuarios
de consumo de la población y la variación na-
Particularidades tural del contenido en nutrientes. Así, por
F~~t0t’e.ssecirtuicrrios ejemplo, sería incorrecto proporcionar cifras
Recipiente 0 embalaje más pequeñasque el margen de variación na-
Superficie de contacto tural para un componente determinado. Pero,
Lugar de muestreo
Orígen geografico
por otro lado, un consumo muy importante de
Almacenamiento un determinado alimento puede justificar el
Periodo de producción uso de cifras con mas dígitos, siempre que Ia
precisión del método analítico lo permita “).
Pm-cítmtrosrstd~ticos. Aunque pocas ta- procurarse que sea el mínimo posible ‘(1.26,
blas proporcionan información acercade la va- siendo uno de los indicadores de su calidad.
riabilidad de las muestras consideradas para
obtener los valores de las tablas “.“.2’~23.‘-1,
esta informaci6n es imprescindible para reali- Adecuación de los métodos analíticos
zar una comparación correcta de los valores actuales
procedentesde diferentes tablas. Los datos que
deben proporcionarse son el valor medio, la Para utilizar convenientemente una TCA
desviación estándar, el intervalo de variación es necesario tener alguna noción acerca de
y el número de muestras consideradas en los las limitaciones y características de los mé-
cfilculos, señalAndose también los cálculos todos analíticos considerados. Estas nocio-
realizados para determinarlos. nes serán muy útiles cuando se procesen los
Ikz1ol.e.s.
Para los diferentes tipos de valo- datos a través de las TCA y se interpreten los
res, Greenfield y Southgate ( 1992) dan las resultados.
siguientes recomendaciones: En ia elaboración de las TCA la elección
a.- Valores analíticos. Deben estar cui- de los métodos analíticos es crucial, y debe
dadosamente documentados y, a ser posible, hacerse con toda la minuciosidad posible.
incluirse la referencia o método analítico uti- Los criterios que se utilizan se basan en las
lizado. En el caso que el constituyente este características de los métodos:
presente, pero en cantidades que no se pue- - Confianza en el método (validez),
den cuantificar adecuadamente o sin signifi- concretamente:aplicabilidad, especiti-
cación nutricion& se utilizará la expresión cidad, exactitud, precisión, detectabi-
“trazas”. Es preferible que la TCA propor- lidad, reproducibilidad, repetibilidad,
cione estos límites para cada nutriente. sensibilidad.
b.- Valores cero. Debe usarse cuando el - Practicabilidad del método: rapidez,
método analítico no detecte el constituyente, coste, habilidades técnicas requeri-
esto es, cuando la cantidad esté por debajo das y seguridad en el laboratorio.
del límite de detección del método. Es prefe-
rible no usar el valor cero para las cantidades Estamos aún muy lejos de una situación
“traza” , aunque puede hacerse si no hay me- óptima en la que se disponga de métodos fia-
jor opción. Algunos autores diferencian en- bles para todos los constituyentes o, al menos,
tre “valor por debajo del límite de detección” la mayoría (tabla 4). Especialmente necesarios
(que fijan en 1/3 del límite de detección) y son los ensayos interlaboratorios, que permitan
“valor cero” 75. evaluar la repetibilidad y reproducibiliclad de
los métodos analíticos. Estos permiten conocer
c.- Valores imputados y valores calcula- el error sistemático cometido al aplicar el mé-
dos. Debe seííalarse adecuadamente su orí- todo. Una vez se conoce la variabilidad en los
gen, así como toda la información sobre su datos introducidos por la realización del méto-
justificación o los procesos de cálculo reali- do, seráposible evaluar la variabilidad natural
zados. del alimento ‘.‘.
d.- Valores desconocidos. Nunca debe
asignarse el valor cero a los valores desco-
nocidos. Las tablas han de identificarlos APLICACIONES DE LOS
como tales, e incluir las recomendaciones SISTEMAS DE DATOS
convenientes para la asignación de valores,
así como el tanto por ciento de valores des- Los datos sobre composición de los ali-
conocidos para cada nutriente. La cantidad mentos se utilizan principalmente para valo-
de valores desconocidos en unas TCA ha de rar y planificar la ingesta de nutrientes a
Rev San Hig Púb 1994. Vd. 68. No 4 433
TABLA 4
Agua
Nitrógeno total Algunos Proteína Nitrágeno no-proteico
Ia n1ayoría de an~inoácidos
aminoácidos
E.stCrOICs Lípidos totales
Triglic¿ridos
Ac. grasos tmm.
Otros compuestos lipídieos
Fe he1110.Fe no-hen
co. Mo
Vitamina K
nivel individual o de grupos. Esto puede com- contiene otros datos que no se refieren a la
prender la prescripción de dietas terapeúticas, composición de los alimentos (diccionario,
la planificación de dietas para colectivida- códigos, recetas, procedimientos de c,îlculo o
des, la valoración de Ia ingesta de nutrientes búsqueda, factores de conversión, etc.) pero
con el fin de establecer los objetivos en la que pueden afectar al resultado de la aplicación
política de alimentación, establecimiento de del sistema. Por lo que se refiere a las conside-
regulaciones legales, etc. Hay que precisar que raciones que se expondrán a continuacicín,
su utilización óptima se encuentra en los estu- pueden aplicarse tanto a TCA como a sistemas
dios sobre poblaciones, ya que a nivel indivi- de datos, si no se especifica lo contrario.
dual puede requerirse una precisión más alta
de la «ue se ruede obtener utilizando una Como se ha remarcado en apartados an-
teriores, la utilización de las TCA no debe li-
mitarse a la simple extracción de datos. Para
El término “bnsc de dntos” se utilizar5 poder deducir conclusiones correctas hay
en el texto para nombrar al conjunto de datos que conocer las limitaciones que el uso de
sobre la composicibn de un ntimero limitado TCA conlieva, así como el significado de la
de alimentos, Para referir-nos a la aplicación información que contiene 47x.“.29.Tanto en
informrítica diseñada p‘wa utilizar una base sistemas de datos como en TCA estas limita-
de datos usaremos la expresibn “sisfeina rle ciones tienen su origen en:
d~~~o.~”(0 mas exactamente ‘:ri,dema infimitdti-
co de c1ctro.r").Es el equivalente inform5tico de a.- La variabilidad en ia composici6n
unas TCA, pero incluye algoritmos que reali- de los alimentos.
zan diversas operaciones (c4lculos, búsque-
da y selección, etc.). Un sistema c!e datos b.- El número limitado de alimentos.
334
c.- El número limitado de nutrientes. bién los errores inherentes a un sis-
cl.-- Las limitaciones de los métodos tema de datos informático: errores
en el programa, en los distintos fac-
para determinar la ingesta de alimentos.
tores de cálculo utilizados, etc.
e.- Los errores asociados al uso de la
Para intentar minimizar el error asociado
TC4 (tabla 5j.
a la codificacicín y a la asignación de valo-
res, es necesario que el sistema de datos
Aplicacih en el análisis de la ingesta posea una descripción detallada de los ali-
de nutrientes mentos que incluye, y que el usuario 0
codificador posea Ia formación necesaria
El error asociado al uso de las TCA en sobre aspectos bromatológicos para eí’ec-
encuestas nutricionales puede descomponer- tuar las elecciones más convenientes y es-
se en 16.31: timaciones con criterio ‘. Se han realizado
algunos estudios para intentar determina1
1. Errores asociados a los datos conte- la variabilidad introducida en la codifica-
nidos en las tablas o bases de datos. ción. Los resultados confirman la impor-
2. Errores en la asignación de valores 3 tancia de esta etapa de aplicación de los
datos desconocidos, determinado sistemas de datos y señalan la posibilidad de
por el número de valores desconoci- minimizarIa, mediante una formaci6n ade-
dos de la base de datos y la opera- cuada de los codificadores y el uso de proto-
cicín de asignación de valores. colos de codificación similares 30.‘1-“.Otros
trabajos han puesto de manifiesto los graves
3. Errores en la codificación de los ali- errores que se pueden cometer si se asigna el
mentos. Se entiende por codifica- valor cero a los datos desconocidos (tabla 6).
cicín la operación de establecer la pero este error depende también de la cali-
correspondencia entre un alimento dad de la base de datos. concretamente del
descrito en la encuesta y un alimen- número de datos desconocidos presentes. El
to descrito en la TCA. error debido a la asignación de valores a da-
4. Errores de cálculo y transcripción. tos desconocidos, si se realiza correctamen-
En este apartado se incluyen tam- te, puede ser mr’nirno “.
No SChan rcgistmlo sulicientes detalles descriptivos sobre los ulimentos (por ejemplo, el m&odo dt: cocción o
plw3xKlo).
No SCtiene en cuenta las ph~lidas vitamínicas cuando sc calcuIa In composición dc un plato cocinado 3 partir de
im recchL
No sc ha anotado quC tipo de gram y nceitcs se utiliznn.
No se incluyen IOScornl~uestos precursores cuando SCcalcula la ingestn dc: vitamina A,
Cla~ifkricín ~ncon‘ccta debido a las difèrenciac telllllrloltjgicas.
Sc adjudica el valor cero a los valores dcsconocido~.
A Famn Codina et al
TABLA 6
HerDetll et 01.“’
N.” de sistema\ 3 3 ll
Fuentes principales USDA USDA Paul y Southgate
de los datos Data Bank Data Bank 1978
Tipo de sistellln~ Comerciales 2 comerciales Propios
+ USDA Data Bank
Codificaciones 3. entrenados 2 II
Criterio Test Fisher 8 respecto USDA c/arespecto ü la
estadístico p < 0.05 < 10% media < 15%
Resultados Proteína Energía Energía
similares Carbohidratos Proteína Proteína
Cil Lípidos totales Lípidos totales
Fe Na. hlg, Zn Acidos grwos
Vitamina C P saturados y
Vitamina C monoinsaturndos
Vitamina A Glúcidos
Vitaminas grupo B
Resultados Energía Carbohidratos Acidos grasos
diferentes Lípidos totales Ca. Fe. K. Cu poliinsaturados
Acidos grasos Vitamina E Fibra
saturados y Na. K. Ca. Mg
poliiniaturados CLI, Za. Fe. P
Colesterol Vitaminas grupo B
P Vitaminas C. D, E
Retinol
/3-caroteno
Folatos
TABLA 8
- Datos tabulados
- Parrímetros estadísticos: desviación estándar, intervalo dc variación, número de muestras consideradas y
los procedimientos dc cálculo de estos parAmetros.
- MGtodos dc mílisis admitidos y límites para los valores hw~.
- Criterios de escrutinio y selección de los datos bibliogrüficos.
- Fuentes de los datos y referencias.
- Factores utiliL.ados en cálculos
- Conversión /iitrríguro totd en prmícw brutal.
- Conversión ríc~idosgrtrsodtotd íícirlos ~yrrrsosCn ~ícihs gt-íl.ws/peso diriwr to.
- Conversión de las distintas formas y especies químicas de las vitaminas.
- Glúcidos (si se expresan como rnonosacdridos).
- Cómputo energético.
- Cocción: p&didas hídricas y pkrdiclas vitarnínims.
- Para el cálculo dr: remas.
- Conversión de porciones 3 gramos.
- Porciones comestibles.
- Pesos e.specíficoc.
- Información descriptiva
- Definición y expresión de los nutrientes.
- Descripción de los alimentos.
- Descripción de las recetas.
- Descripción de los procesos de cocción considerados.
- Diccionario: nombres alternativos, nombres taxonómicos. otros idiomas.
- Indice dc alimentos (con varias entradas por alimento).
- inforniación sobre aspectos particulares de cada alimento (descripción ampliada. inclusión de alimentos
enriquecido\. pkrdidas de nutrientes por manipulación, cte.) o cada nutriente (variabilidad del contenido en
dcterminados alimentos, biodisponibilidad. etc.).
gy. En: Uses and abuses of food composi- 32. Eck LH, Klesges RC, Hanson CL, Bara-
tion data. Grenfield H, editor. Food Austra- nowski T, Henske J. A comparison oi‘ Iòur
lia 1990: 42: 11S- 13s. commonly used nutricnt database pro-
grams. J Am Diet Assoc 1988; 88: 602-4.
28. Hoover LW. Perloff RD. Computerizcd nu-
tricnt data bases: I.Comparison of nutrient 33. Renaud S, Attie MC. La composition des
analysis systcms. J Am Diet Assoc 1983; aliments. París: Astra-Calvé Information
82: 501-5. Lipo-diététique, 1986.
34. Paul AA, Southgatc DAT. McCancc and
29. Hoover LW, Pcrloff RD. Computerized nu- Widdowson’s Thc composition of foods 4.a
trient data bases: II.Developmcnt of model ed. Londres: Hcr Majcsty’s Stationery Offi-
for appraisnl of nutrient data base system CC,1978.
capabilitics. J Am Diet Assoc 1983; 82:
506-8. 35. Pennington JAT, PerlolT B. Food databascs
and information systems in thc United Sta-
30. Herbcth B, Musse N. Cubcau J, Fabien- tes. Proceedings of the Food Network Con-
Soulé V, Faivre J, Fantino M PZal. Les pro- ference; Nov 199 1; Estocolmo. Oxford:
blìtmes posés par les tables de composition. Oxford Computer Journals Ltd., 1992.
Position du problème. Comparaison des ta- 36. Nieman DC, Nieman CN. A comparative
bies cxistantes. Cah Nutr Diét 1991; XXVI: study of two microcomputer nutricnt data
263-9. bases with the USDA Nutrient Data Base
for Standard Refcrence. J Am Diet Assoc
31. Adclman MO, Dwyer JT, Woods M, Bohn
1987; 87: 930-2.
E, Otradovec CL. Computerized dietary
analysis systcms: a compamtive view. J Am 37. Smith JL. Nutrient databank directory. 8.”
Diet Assoc 1983; 83: 421-9. ed. Newark: University OCDelaware, 1992.