Engineered Nanoscale Food Ingredients: Evaluation of Current Knowledge on Material Characteristics Relevant to Uptake from the Gastrointestinal Tract
Notice bibliographique
Résumé
The NanoRelease Food Additive project developed a catalog to identify potential engineered nanomaterials (ENMs) used as ingredients, using various food-related databases. To avoid ongoing debate on defining the term nanomaterial, NanoRelease did not use any specific definition other than the ingredient is not naturally part of the food chain, and its dimensions are measured in the nanoscale. Potential nanomaterials were categorized based on physical similarity; analysis indicated that the range of ENMs declared as being in the food chain was limited. Much of the catalog's information was obtained from product labeling, likely resulting in both underreporting (inconsistent or absent requirements for labeling) and/or overreporting (inability to validate entries, or the term nano was used, although no ENM material was present). Three categories of ingredients were identified: emulsions, dispersions, and their water-soluble powdered preparations (including lipid-based structures); solid encapsulates (solid structures containing an active material); and metallic or other inorganic particles. Although much is known regarding the physical/chemical properties for these ingredient categories, it is critical to understand whether these properties undergo changes following their interaction with food matrices during preparation and storage. It is also important to determine whether free ENMs are likely to be present within the gastrointestinal tract and whether uptake of ENMs may occur in their nanoform physical state. A practical decision-making scheme was developed to help manage testing requirements.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».