Heavy metal contamination of animal feedstuffs – a new survey
Notice bibliographique
Résumé
Summary Contamination of feedstuffs and ingredients with heavy metals poses a major problem for animal health and the transmission of toxic substances within the human food chain, as these elements can be accumulated into meat, egg and milk products. This paper reports on the levels of the three metals, arsenic, cadmium and lead, that exceed EU permitted levels, within premixes and complete feeds (total of 3417 samples) destined for a variety of animal species and taken from different countries during the period 2009–2016. For this period, 20% of all samples were contaminated at levels above the EU limit. In complete feed, ruminants were at the highest risk of exposure with 47% of samples being contaminated. Lead posed the major risk for minerals and cadmium posed the highest risk for premixes during the sampling period. When compared by country, contamination levels varied widely, with the highest contamination determined for Canada with 50% of samples being above the EU limit. To mitigate problems with heavy metals in animal feeds, due diligence in terms of sampling and testing is a necessary tool to evaluate level of risk. Research has shown that trace minerals can be sources of these heavy metals so the industry should be more diligent regarding their provider's quality guarantees. In addition, feeds identified with contamination should not be fed to animals to ensure that these heavy metal toxins are not passed into edible food products, thus providing safety in the food chain.
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 | 0,000 |
| 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 ».