Effectiveness of mechanically tenderized beef labels on influencing practices of cooking beef in British Columbia
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

 Background: Mechanically tenderized beef poses a higher risk for Escherichia coli 0157:H7 infection than intact beef and has been implicated in several outbreaks. As such, all products are mandated to be labeled in Canada. Purpose: This study assessed the effectiveness of mechanically tenderized beef labels on influencing practices of cooking beef in British Columbia. Methods: 74 adults within British Columbia who cooked beef were surveyed electronically using a snowball method. An inferential (Pearson chi-square analysis) and descriptive analysis was performed on the nominal data in PSPP and Microsoft Excel respectively. Results: Only 8% of respondents abided with information on mechanically tenderized beef labels. No statistically significant associations were found between practices of abiding with information on mechanically tenderized beef labels and various socio-demographic factors (e.g. age, gender, education level, and food safety education) (p<0.01). The practice of not using food thermometers was the major contributing factor that lowered the effectiveness of mechanically tenderized beef labels. Conclusion: Mechanically tenderized beef labels were ineffective in influencing behaviours of cooking beef in British Columbia. Therefore, other risk communication strategies are needed to persuade adults in British Columbia to adequately cook mechanically tenderized beef products. Recommendations: Future studies can assess whether the general public is properly cooling mechanically tenderized beef as the label does not address this practice.
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 | 0,004 | 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) | 0,000 | 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