Potential and Challenges of Applying Vibrational Spectroscopy to the Analysis of Trans Fats in Foods for Regulatory Compliance in the<scp>USA</scp>
Notice bibliographique
Résumé
Abstract Trans fatty acids are found in a variety of foods like dairy and meat products, but the major dietary sources are products that contain commercially hydrogenated fats. There has been a renewed need for accurate analytical methods for the quantification of total trans fat since declaration of the amount of trans fat present in food products and dietary supplements was made mandatory in many countries. Official capillary GC and IR methodologies are the two most common validated methods used to identify and quantify trans fatty acids for regulatory compliance. The present chapter provides a comprehensive discussion of the IR techniques, including the latest attenuated total reflection (ATR) Fourier transform (FT) IR methodology called thenegative second derivative ATR/FT‐IRmethod, which has been validated in an international collaborative study. This chapter points to potential sources of interferences in the FTIR determination that may lead to inaccurate results, particularly at low trans levels. The presence of high levels of saturated fats may lead to interferences in the FTIR spectra observed for trans triacylglycerols (TAG). TAGs require no derivatization, but have to be melted prior to IR measurement. While GC is currently the method of choice, ATR/FT‐IR spectroscopy is a viable, rapid alternative, and complementary method to GC for a more rapid determination of total trans fats for food‐labeling purposes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».