Nutritional Evaluation of Five African Indigenous Vegetables
Notice bibliographique
Résumé
Abstract The promotion and consumption of indigenous vegetables could help mitigate food insecurity and alleviate malnutrition in developing countries. In this respect, 17 accessions (candidate breeding lines that have not yet officially been released) of five African indigenous vegetables: amaranth (Amaranthus cruentus), nightshade (Solanum scabrum), African eggplant (Solanum aethiopicum), jute mallow (Corchorus olitorius) and okra (Abelmoschus callei), previously selected for their superior agronomic and horticultural traits, were evaluated in Cameroon for minerals (Ca, Mg, K, P, Zn and Fe), proteins, and carotenoids content. Nutrient content differed significantly (P<0.001) between cultivars. Amaranth (especially line AM-NKgn) had the highest Ca, Mg, and Zn content in comparison to other genotypes studied. Nightshade had the highest K and Fe content. The highest K and Fe levels were found in nightshades BG24 and SS52, respectively. Nightshade had the highest level of protein, especially line BFS1. The highest amount of carotenoids was identified in the eggplant variety Oforiwa. The study revealed that these vegetables are important sources of some vital nutrients. Increased production and consumption of these nutrient-rich vegetables will help reduce the nutrition-related disorders in Africa.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».