MétaCan
Menu
Retour à la cohorte
Enregistrement W2072123490 · doi:10.1021/jf070772f

Influence of Harvest Time on the Quality of Oil-Based Compounds in Sea Buckthorn ( Hippophae rhamnoides L. ssp. sinensis) Seed and Fruit

2007· article· en· W2072123490 sur OpenAlexaff
Susan D. St. George, Stefan Cenkowski

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2007
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemical and Pharmacological Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésHippophae rhamnoidesBerryHarvest timeHorticultureCarotenoidBiologyMaturity (psychological)BotanyFood scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The effect of the harvest time on oil-based bioactive compounds in sea buckthorn berries ( Hippophae rhamnoides L. ssp. sinensis) was investigated. Sea buckthorn berries were collected at early maturity (September), maturity (November), and postmaturity (January) during the 2003-2004 harvest year. Whole berries were analyzed for physical characteristics, and fruit and seed fractions were analyzed for bioactive content. November-harvested berries yielded the highest values for berry sizes, CIELab factor a*, and total carotenoid content in the fruit fraction ( p < 0.05). September yielded significantly higher ( p < 0.05) levels of major compounds, alpha-tocopherol and beta-sitosterol, in the fruit fraction. Seed characteristics and bioactive compounds did not vary significantly with respect to the harvest time ( p > 0.05). These results have identified the most suitable level of maturity for the optimization of certain compounds and the losses that may occur with winter harvest, commonly practiced in cold climates.

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)0,000
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 enseignants0,495
Score d'incertitude au seuil0,219

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,278
Écart entre enseignants0,253 · 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

Citations37
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPhytochemical and Pharmacological StudiesTravaux en français237 207