Removal of Pesticide Residues from Okra Vegetable through Traditional Processing
Notice bibliographique
Résumé
Demand for vegetables in Pakistan is constantly increasing to feed growing population. Pakistan is the second largest producer of okra and in Sindh okra is produced throughout the year. Okra crop is attacked by variety of insect pests and commercial okra production relies heavily on the pesticides belonging to organochlorine, organophosphate, carbamate, pyrethroid and neo-nicotinoid groups for pest control. Moreover, growers do not observe safety interval for okra harvest. Hence the okra sold in Pakistani markets is highly contaminated with pesticide residues. Aim of this research study was to determine the extent of pesticide residue decontamination in okra vegetable through traditional processing. Okra crop was sprayed with bifenthrin, profenofos and endosulfan, and different processing were applied on okra such as washing, detergent washing, sun-drying and cooking, etc. Bifenthrin, profenofos and endosulfan pesticide residues were extracted from okra by solvent partitioning and cleaned up through Florisil column using organic solvents for elusion as described by EPA and FDA procedures. Cleaned up residues were analyzed through GC-µECD. The results revealed that endosulfan levels were reduced to MRL by detergent washing (from 2.01 ppm in unwashed samples to 1.03ppm). Profenofos residues (3.21ppm) were reduced to MRL (2.0ppm) by detergent washing and by combination of plain water washing and frying. Bifenthrin MRL is very low (0.04ppm) and only combination of detergent washing and frying reduced residues from 0.311 ppm to 0.042 ppm.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».