MétaCan
Menu
Retour à la cohorte
Enregistrement W2067446422 · doi:10.6000/1927-5129.2014.10.75

Removal of Pesticide Residues from Tomato and its Products

2014· article· en· W2067446422 sur OpenAlexvenueno aff
Aasia Akbar Panhwar, Saghir Ahmed Sheikh, Aijaz Hussain Soomro, Ghulam Hussain Abro

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEndosulfanBifenthrinPesticidePesticide residueChemistryDehydrationImidaclopridToxicologyFood scienceAgronomyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Plant protection agents (more commonly known as pesticides) are widely used in agriculture to increase the yield, improve the quality and extend the storage life of food crops. The study was carried out in order to determine the effectiveness of various traditional processing treatments on reducing the residual load of pesticides from tomato and its products. Results showed that lipid soluble pesticides residues were reduced most effectively in sun-drying (90-97%) followed by frying (91-99%) and thermal dehydration (89-90%). The data further indicated that profenofos residues dislodged more effectively than bifenthrin and endosulfan. The least reduction was noticed in endosulfan residues. Similarly in case of water soluble pesticides, the effect of sun-drying, frying and thermal dehydration on reduction of pesticide residues were within the range of 94-97%, 92-96% and 91-96%, respectively. Maximum reduction was found in emamectin benzoate residues followed by imidacloprid and diafenthiuron.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,149

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,020
Tête enseignante GPT0,227
Écart entre enseignants0,207 · 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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207