MétaCan
Menu
Retour à la cohorte
Enregistrement W2743080554 · doi:10.2527/asasann.2017.755

755 Beef: From a good source of nutrients to a functional food

2017· article· en· W2743080554 sur OpenAlexaff
Payam Vahmani, Spencer D. Proctor, Fariba Kolahdooz, Sonika Sharma, J.L. Aalhus, M.E.R. Dugan

Notice bibliographique

RevueJournal of Animal Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensUniversity of AlbertaAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésFood scienceNutrientPolyunsaturated fatty acidEssential nutrientComposition (language)Human nutritionFunctional foodBiotechnologyHuman healthBiologyMedicineFatty acidEnvironmental healthBiochemistryEcology

Résumé

récupéré en direct d'OpenAlex

Invited speaker- CSAS symposium: Healthy animals producing healthy foods. Let food be thy medicine” is a quote attributed to Hippocrates. Moving a link down the food it might be more appropriate to say “Let feed be medicine for thy food and thy food be medicine for you”. We live in times when links between diet and health are being recognized more and more as the first line of support to promote longevity and quality of life in later years. The content and composition of nutrients in feeds can play a role in animal health and productivity, and in turn the content and composition of animal derived foods can influence human health and wellness. The objectives of the current presentation will be to outline the effects of diet on the nutrient content and composition of animal derived foods, and to review how animal derived foods can functionally contribute to human health and wellness. Emphasis will be on the content and balance of omega-3 and -6 fatty acids in beef, the potential for accumulation of polyunsaturated fatty acid biohydrogenation products in beef, and our current understanding of how these may influence consumer health and wellness.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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 Opus0,061
Tête enseignante GPT0,259
Écart entre enseignants0,199 · 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'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetFood Industry and Aquatic BiologyTravaux en français237 207