Sauces, spices, and condiments: definitions, potential benefits, consumption patterns, and global markets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Spices and condiments are an important part of human history and nutrition, and have played an important role in the development of most cultures around the world. According to the Codex Alimentarius, the category of salts, spices, soups, sauces, salads, and protein products includes substances added to foods to enhance aroma and taste. Spices have been reported to have health benefits as antioxidant, antibiotic, antiviral, anticoagulant, anticarcinogenic, and anti-inflammatory agents. Health claims about the benefits of condiments for disease prevention or health improvement need to be science based and extensively supported by evidence; data on their preventive or protective potential in humans are currently limited. The condiments market has been growing continuously over the last few years, with the quantity of products sold under the category of sauces, dressings, and condiments during the period 2008-2013 increasing from 31,749,000 to 35,795,000 metric tons. About 50 of the 86 spices produced in the world are grown in India. From 2008 to 2013, the United States was the largest importer of spices, followed by Australia, the United Kingdom, Canada, and Russia. The main buyers of fish sauce are Vietnam and Thailand, with purchases of 333,000 and 284,000 metric tons in 2013, respectively. The sauces and condiments category is dynamic, with large differences in consumption in habits and practices among countries. This paper aims to establish definitions and discuss potential health benefits, consumption patterns, and global markets for sauces, spices, and condiments.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle