Nutrient Composition and Adequacy of two Locally Formulated Winged Termite (Macrotermes Bellicosus) Enriched Complementary Foods
Notice bibliographique
Résumé
The period from birth to two years of age constitute critical window of opportunity for promoting optimal growth and development of a child. Inadequate food intake and poor feeding practices are causes of malnutrition among Nigerian children, as many locally formulated complementary foods are deficient in protein and micronutrients. Roasted Macrotermes bellicosus (MB) is nutritious and relished as snack by people living the traditional lifestyle. This study was carried out to investigate possible use of MB in formulating nutrient-dense complementary foods from maize and sorghum. Macrotermes bellicosus was collected in Ibadan, Nigeria during their swarming, roasted, de-winged, powdered and added to fermented corn (CF) and sorghum (SF) flour in the ratio 100%flour, 90%flour+10%MB, 85%flour+15%MB, and 80%flour+20%MB to give eight complementary foods, which were analysed for proximate, mineral, vitamin and antinutrient composition using AOAC methods. Hundred grammes of CF and SF contained 11.7g, 10.6g moisture, 8.9g, 9.7g crude protein, 3.1g, 2.8g fat, 74.3g, 74.8g total carbohydrates, 6.67mg, 26.60mg calcium, 295.50mg, 325.43mg phosphorus, 2.61mg, 7.61mg iron, 3.19mg, 2.41mg zinc, and yielded 353.9kcal, 358.6kcal energy respectively. Significant reduction occurred in moisture and carbohydrate content of MB-incorporated complementary foods while their crude protein, ash, fat, calcium, iron, zinc, vitamins B3, B6 B12 and beta-carotene content increased significantly as the level of inclusion of MB increased (p<0.05). Level of atinutritional factors were insignificantly low in the blends, and cannot pose any health risk. Macrotermes bellicosus can be used in enriching cereal-based complementary foods as means of reducing infant and young child malnutrition in Nigeria.
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 | 0,000 | 0,000 |
| 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 ».