MétaCan
Menu
Retour à la cohorte
Enregistrement W2464169790 · doi:10.1177/156482650702800408

Release of Iron, Zinc, and Lead from Common Iron Construction Bars and Zinc Metallic Bars in Water Solutions and Meals

2007· article· en· W2464169790 sur OpenAlexaff
Aarón Lechtig, Daniel López de Romaña, Erick Boy, Alejandro Vargas-Vásquez, Mauricio Rosas del Portal, María Luisa Huaylinos

Notice bibliographique

RevueFood and Nutrition Bulletin · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensNutrition International
Organismes subventionnairesnon disponible
Mots-clésZincMicronutrientIncubationPopulationChemistryMetallurgyAnimal scienceMedicineMaterials scienceBiologyBiochemistryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The use of iron pots has decreased the prevalence of anemia. OBJECTIVE: To investigate the release of iron, zinc, and lead from metallic iron and zinc bars incubated in water and in meals. METHODS: Iron, zinc, and lead concentrations were measured at different incubation conditions in water and in meals. RESULTS: The iron concentration in water was 1.26 mg/L after incubation with one iron bar at pH 7 and 100 degrees C for 20 minutes and in meals was 0.97 mg per 100 g of wet meals, rich in phytate, cooking at 100 degrees C during 20 minutes. The maximum contents were 7720 mg/L of iron and 1826 mg/L of zinc in vinegar at pH 3 and 20 degrees C after 90 and 32 days, respectively. Lead was released from the bars, but at concentrations well below the upper tolerable limits. DISCUSSION: In outreach populations, the use of iron and zinc metallic bars in water and meals could contribute to sustainable, very low-cost prevention of iron and zinc deficiencies, and home-fortified vinegar could be used for treatment of both deficiencies. CONCLUSIONS: Field trials should be performed to determine the impact that the use of iron and zinc metallic bars in water and meals might have on the iron and zinc status of population groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,230
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood and Nutrition BulletinMême sujetIron Metabolism and DisordersTravaux en français237 207