Impact of Foods Nutritionally Enhanced Through Biotechnology in Alleviating Malnutrition in Developing Countries
Notice bibliographique
Résumé
According to United Nations (UN) projections, the world's population will grow from 6.1 billion in 2000 to 8 billion in 2025 and 9.4 billion in 2050. Most (93%) of the increase will take place in developing countries. The rapid population growth in developing countries creates major challenges for governments regarding food and nutrition security. According to current World Health Organization estimates, more than 3 billion people worldwide, especially in developing countries, are malnourished in essential nutrients. Malnutrition imposes severe costs on a country's population due to impaired physical and cognitive abilities and reduced ability to work. Little progress has been made in improving malnutrition over the past few decades. The Food and Agriculture Organization of the UN would like to see more nutrient-rich foods introduced into these countries, because supplements are expensive and difficult to distribute widely. Biofortification of staple crops through modern biotechnology can potentially help in alleviating malnutrition in developing countries. Several genetically modified crops, including rice, potatoes, oilseeds, and cassava, with elevated levels of essential nutrients (such as vitamin A, iron, zinc, protein and essential amino acids, and essential fatty acids); reduced levels of antinutritional factors (such as cyanogens, phytates, and glycoalkaloid); and increased levels of factors that influence bioavailability and utilization of essential nutrients (such as cysteine residues) are advancing through field trial stage and regulatory processes towards commercialization. The ready availability and consumption of the biofortified crops would have a significant impact in reducing malnutrition and the risk of chronic disease in developing countries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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 ».