MONITORING LOGAM BERAT DALAM IKAN LAUT DAN AIR TAWAR DAN EVALUASI NUTRISI DARI KONSUMSI IKAN
Notice bibliographique
Résumé
Ikan adalah bahan makanan sumber mineral. Serapan logam berat pada ikan dapat berasal dari air, sedimen maupun pakan ikan. Telah dilakukan monitoring mineral dan kontaminan dalam ikan untuk evaluasi nutrisi dan keamanan pangan, menggunakan teknik analisis aktivasi neutron. Jenis ikan laut dianalisis adalah ikan kembung (Rastrelliger faughni ) ikan tongkol (Acanthocybium solandri), ikan tengiri (Authis thazard) dan ikan air tawar adalah ikan nila (Oreochromis niloticus), ikan mas (Cyprinus carpio), ikan bawal (Colossoma macropomum), yang disampling dari 6 pasar di Jakarta Utara. Hasil monitoring menunjukkan bahwa, mineral esensial yang terkandung dalam ikan adalah Fe, K, Na, Zn, Ca, Mg, dan Se. Konsentrasi Ca dan Se dalam ikan air laut lebih tinggi dibandingkan dalam ikan air tawar. Konsentrasi unsur esensial lainnya bervariasi tergantung jenis ikan. Konsentrasi logam berat As dalam ikan laut 3 kali lebih tinggi dari ikan air tawar. Logam Hg dan Cr terdeteksi dalam semua jenis ikan diamati. Dari evaluasi kecukupan nutrisi, dengan asumsi konsumsi ikan 86,68 gr/hari, untuk laki-laki umur 19 - 30 tahun, dan mengacu data dari Institute of Medicine USA, maka asupan Ca : 2,5 - 6,3; Cl : 1,5 - 3,3; Fe : 11,5 - 26,9; Na : 1,5 - 4,1; K : 3,4 - 6,7 dan Zn 3,9 - 7,2 % dari nilai yang direkomendasikan. Asupan Cr melebihi dari nilai yang direkomendasikan, sedangkan As dan Hg tidak direkomendasikan ada dalam bahan pangan. Pada kenyataannya logam tersebut terkandung di dalam ikan diteliti, tetapi konsentrasinya masih di bawah nilai baku mutu yang dikeluarkan oleh BPOM.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».