MétaCan
Menu
Retour à la cohorte
Enregistrement W1972013252 · doi:10.1021/jf404995a

Galactose Content of Legumes, Caseinates, and Some Hard Cheeses: Implications for Diet Treatment of Classic Galactosemia

2014· article· en· W1972013252 sur OpenAlexafffund
Sandra C. Van Calcar, Laurie Bernstein, Frances Rohr, Steven Yannicelli, Gerard T. Berry, Christine H. Scaman

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism and Genetic Disorders
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésGalactosemiaLactoseChemistryFood scienceGalactoseBiochemistry

Résumé

récupéré en direct d'OpenAlex

There are inconsistent reports on the lactose and/or galactose content of some foods traditionally restricted from the diet for classic galactosemia. Therefore, samples of cheeses, caseinates, and canned black, pinto, kidney, and garbanzo beans were analyzed for free galactose content using HPLC with refractive index or pulsed amperometric detection. Galactose concentrations in several hard and aged cheeses and three mild/medium Cheddars, produced by smaller local dairies, was <10 mg/100 g sample compared to 55.4 mg/100 g sample in four sharp Cheddars produced by a multinational producer. Galactose in sodium and calcium caseinate ranged from undetectable to 95.5 mg/100 g sample. Free galactose level in garbanzo beans was lower than previously reported at 24.6 mg/100 g sample; black beans contained 5.3 mg/100 g, and free galactose was not detected in red kidney or pinto beans. These data provide a basis for recommending inclusion of legumes, caseinate-containing foods, and some aged hard cheeses that had been previously restricted in the diet for individuals with galactosemia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,017
Tête enseignante GPT0,228
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations29
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetMetabolism and Genetic DisordersTravaux en français237 207