MétaCan
Menu
Retour à la cohorte
Enregistrement W1684986887 · doi:10.1002/jsfa.6730

Rice fortification with zinc during parboiling may improve the adequacy of zinc intakes in Bangladesh

2014· article· en· W1684986887 sur OpenAlexaff
Christine Hotz, Khandaker A Kabir, Sharifa S. Dipti, Joanne E Arsenault, Moniruzzaman Bipul

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensOntario Brain Institute
Organismes subventionnairesUnited States Agency for International Development
Mots-clésZincParboilingFortificationMicronutrientBiofortificationFood scienceChemistryAnimal scienceZinc deficiency (plant disorder)PopulationMedicineBiologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Zinc deficiency is prevalent among children and women in Bangladesh and parboiled rice is the major staple food consumed. Parboiling offers an opportunity to increase the zinc and iron content of rice by adding fortificants to the soaking water. RESULTS: Rice zinc content increased with increasing amounts of zinc sulfate added to the parboil soaking water. Addition of 1300 mg zinc L(-1) increased raw polished rice zinc content from 16.6 to 44.9 mg kg(-1) and from 12.6 to 32.9 mg kg(-1) in the open and closed parboiling systems, equivalent to 170% and 161% increases, respectively. Retention of zinc after washing and cooking was 70-81% across all concentrations tested. Addition of iron-ethylenediaminetetraacetic acid and zinc sulfate together increased zinc, but not iron, content of polished rice. The simulated prevalence of inadequate zinc intake was reduced by more than half among children and nearly two-thirds among women if 50% of the population were to consume the 1300 mg zinc L(-1) parboiled fortified rice. CONCLUSION: Addition of zinc sulfate to soaking water during parboiling increases the zinc content of rice and, if found to be bioavailable, could substantially reduce the prevalence of inadequate zinc intake by children and women in Bangladesh.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,165

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,248
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and AgricultureMême sujetTrace Elements in HealthTravaux en français237 207