Modeling the Primary Oxidation in Commercial Fish Oil Preparations
Notice bibliographique
Résumé
The quality of commercial fish oil products can be difficult to maintain because of the rapid lipid oxidation attributable to the high number of polyunsaturated fatty acids (PUFA), specifically eicosapentaenoic acid (EPA) and docosahexaenoic acid (DHA). While it is known that oxidation in fish oil is generally the result of a direct interaction with oxygen and fatty acid radicals, there are very few studies that investigate the oxidation kinetics of fish oil supplements. This study uses hydroperoxides, a primary oxidation product, to model the oxidation kinetics of two commercially available fish oil supplements with different EPA and DHA contents. Pseudo first order kinetics were assumed, and rate constants were determined for temperatures between 4 and 60 °C. This data was fit to the Arrhenius model, and activation energies (E(a)) were determined for each sample. Both E(a) agreed with values found in the literature, with the lower PUFA sample having a lower E(a). The oil with a lower PUFA content fit the first-order kinetics model at temperatures ≥20 °C and ≤40 °C, while the higher PUFA oil demonstrated first-order kinetics at temperatures ≥4 °C and ≤40 °C. When the temperature was raised to 60 °C, the model no longer applied. This indicates that accelerated testing of fish oil should be conducted at temperatures ≤40 °C.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».