MétaCan
Menu
Retour à la cohorte
Enregistrement W2033423449 · doi:10.1021/jf034244p

Deoxynivalenol Removal from Barley Intended as Swine Feed through the Use of an Abrasive Pearling Procedure

2003· article· en· W2033423449 sur OpenAlexaff
James D. House, C. M. Nyachoti, D. Abramson

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycotoxins in Agriculture and Food
Établissements canadiensUniversity of ManitobaAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésContaminationChemistryAnimal scienceMycotoxinAbrasiveAgronomyFood scienceBiologyMaterials scienceMetallurgyEcology

Résumé

récupéré en direct d'OpenAlex

Samples of naturally contaminated hulled barley, with varying deoxynivalenol concentrations, were subjected to an abrasive type dehulling procedure. The remaining grain fractions were analyzed for weight remaining (%), deoxynivalenol (ppm), crude protein (%CP), neutral detergent fiber (%NDF), ash (%ASH), gross energy (GE; kcal/kg), and calculated digestible energy values (DE; kcal/kg). Following the initial 15 s of pearling, 85% of the grain mass remained. Additional pearling resulted in a linear decline of grain mass. Following 15 s of pearling, the grain contained 34% of the initial deoxynivalenol content, irrespective of the initial level of contamination. Further pearling resulted in continued significant (p < 0.05) reductions in the percent of deoxynivalenol remaining to a level of 7.9% after 120 s but with significant losses in grain mass. Pearling can serve as an effective means of reducing the deoxynivalenol content of barley, with improvements in nutrient levels. However, the need to reduce the deoxynivalenol content of contaminated barley to less than 1 ppm for swine will necessitate the removal of a significant amount of the grain mass for heavily contaminated samples.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,213
Écart entre enseignants0,187 · 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'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

Citations34
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetMycotoxins in Agriculture and FoodTravaux en français237 207