Specialty Food Safety Concerns and Multilingual Resource Needs: An Online Survey of Public Health Inspectors
Notice bibliographique
Résumé
The province of Ontario, Canada, has a highly diverse and multicultural population. Specialty foods (i.e., foods from different cultures) are becoming increasingly available at retail food outlets and foods service establishments across the province; as a result, public health inspectors (PHIs) are increasingly required to assess the safety of foods with which they may be unfamiliar. The aim of this study was to investigate the concerns, perceptions, and self-identified needs of PHIs in Ontario with regard to specialty foods and food safety information resources in languages other than English. A cross-sectional online survey of 239 PHIs was conducted between April and June 2009. The study found that while some food safety information resources were available in languages other than English, fewer than 25% of respondents (56/239) were satisfied with the current availability of these resources. With regard to specialty foods, 60% of respondents (143/239) reported at least one specialty food with which they were not confident about their current food safety knowledge, and 64% of respondents (153/239) reported at least one specialty food with which they were dissatisfied with the current availability of food safety information. Therefore, the development of additional food safety information resources for specialty foods, and food safety resources in additional languages may provide enhanced support to PHIs involved in protecting and promoting a safe food supply.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».