Proximate and Mineral Composition of Nigerian Leafy Vegetables
Notice bibliographique
Résumé
Proximate analysis and mineral composition of some Nigerian leafy vegetables: bitter leaf (Veronia amygdalina L), India spinach (Basella alba L), bush buck (Gongronema latifolium), scent leaf (Ocimium grastissimum), Smooth amaranth (Amaranthus hybridus), Roselle plant (Hibiscus sabdariffa) and fluted pumpkin (Telfaria occidentali) were carried out using standard analytical procedures. The moisture content of the samples ranged between 10.0-12.08 %, crude protein, crude fibre, crude fat, ash contents and carbohydrate ranged between: 46.56 and 66.60, 4.02 and 12.08, 3.51 and 14.02, 5.02 and 15.55, 1.16 and 15.79 % dry matter (DM). Mineral element analysis showed that the leafy vegetables contained high levels of calcium (63.36-110.16), magnesium (27.51-288.65), sodium (15.01-88.00) and potassium (16.85-168.96) and low levels of copper (nd-3.14), nickel (2.32-18.16) and manganese (2.54-10.06) mg/100g respectively. The study showed that the leafy vegetables examined contained high levels of crude protein with low fat content and crude fibres.
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 ».