Washing effects of limonene on pesticide residues in green peppers
Notice bibliographique
Résumé
BACKGROUND: The presence of pesticide residues in food has caused much concern. The low health risks and environmental impacts of limonene make it a very interesting solvent for use in green chemistry. Washing effects of limonene on pesticide residues of methyl chlorpyrifos, chlorothalonil, chlorpyrifos, fenpropathrin and deltamethrin were investigated in green pepper. RESULTS: Results showed that washing with a low concentration of limonene for 5 min (where LOQ is limit of quantitation) caused 53.67%, <LOQ, 64.29%, 68.69% and 66.22% loss of the above pesticides, respectively, while corresponding values of washing with a high concentration were 84.64%, <LOQ, 90.46%, 89.00% and 89.36%, respectively. Washing with a low concentration of limonene for 10 min produced 55.90%, <LOQ, 66.19%, 72.08% and 73.25% loss, respectively, while corresponding values of washing with a high concentration were 94.42%, <LOQ, 96.58%, 92.04% and < LOQ, respectively. The reductions due to washing with tap water (for 10 min) and the emulsion with only egg yolk lecithin (at high concentration for 10 min) were 25.18 %, 37.83%, 21.84%, 20.87%, 13.86% and < LOQ, 59.70%, 54.09%, 54.76%, 54.47%, respectively. CONCLUSION: The data indicated that washing with a low concentration of limonene for 5 min was the optimal treatment for elimination of pesticide residues in green pepper, considering effect and treatment time as well as cost.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».