MétaCan
Menu
Retour à la cohorte
Enregistrement W2769067278 · doi:10.5539/jfr.v7n1p1

Chemical Composition of Major Cassava Varieties in Uganda, Targeted for Industrialisation

2017· article· en· W2769067278 sur OpenAlex
John Manano, Patrick Ogwok, George William Byarugaba-Bazirake

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Food Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCassava research and cyanide
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStarchChemical compositionFood scienceRaw materialNutrientComposition (language)ChemistryMoistureCalciumBiology

Résumé

récupéré en direct d'OpenAlex

Uganda is one of the major cassava producing countries in the world. Currently, utilization of cassava is limited to semi-processed products through the informal sector. Cassava has technological potential as a raw material for agro-industrial products, such as flours for baked products, animal feeds and starch. The aim of this study was to investigate the chemical composition of five major cassava varieties grown in Nebbi distict (Uganda), to assess their potential as industrial raw materials. Analysis of the chemical composition of local (Nyamatia and Nyarukeca) and improved (NASE 3, NASE 14, and NASE 19) cassava varieties was carried out using standard methods. Results showed significant (p < 0.05) differences between the varieties indicating high levels of starch, calcium, magnesium, cyanonenic glucosides and phytates. The cassava varieties contain low levels of protein, lipids and minerals with respect to recommended daily intake of these nutrients. Moisture contents ranged from 5.43 for Nyamatia to 10.87 for NASE 19; ash from 1.05 for Nyamatia to 2.39 for NASE 14; crude fiber from 1.06 for Nyamatia to 1.18 for NASE 19; crude protein from 0.74 for Nyarukeca to 1.51 for NASE 14; crude lipid from 0.39 for Nyamatia to 0.63 for NASE 19; and starch contents from 66.72 for NASE 19 to 84.42 for NASE 3. The mineral contents (mg/kg): calcium ranged from 13.15 for Nyamatia to 16.56 for NASE 3; iron ranged from 0.002 for Nyarukeca to 0.01 for NASE 19; zinc ranged from 0.56 for Nyamatia to 0.87 for NASE 3; magnesium ranged from 3.58 for NASE 19 to 3.88 for Nyarukeca; and copper ranged from 0.002 for Nyamatia to 0.14 for NASE 3. The contents of anti-nutrients (mg/kg): cyanogenic glucosides ranged from 30 in NASE 3 and NASE 19 to 800 in Nyamatia; phytates ranged from 661.33 in Nyarukeca to 984.64 in NASE 3; oxalates ranged from 90.6 in Nyarukeca to 227.8 in NASE 3; and tannin ranged from 0.18 in Nyarukeca to 0.33 in NASE 3. Based on the chemical composition results, all the cassava varieties studied contain higher levels of cyanogenic glucosides than recommended by Ugandan and East African Standards, making them unsafe for direct utilization as food and food raw materials for industries at levels beyond 30% in food formulations. The high starch levels in all the cassava varieties make them valuable raw materials for starch and starch-related industries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,052
Score d'incertitude au seuil0,184

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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)0,0000,000

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 Opus0,190
Tête enseignante GPT0,379
Écart entre enseignants0,188 · 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