MétaCan
Menu
Retour à la cohorte
Enregistrement W2781112515 · doi:10.5539/jas.v9n13p89

Bacterial Contamination on Beef Sold at Selected Wet Markets in Selangor and Kuala Lumpur

2017· article· en· W2781112515 sur OpenAlexvenueno aff
Siti Shahara Zulfakar, Norfarisya Baharudin, Nur Faizah Abu Bakar

Notice bibliographique

RevueJournal of Agricultural Science · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKuala lumpurSalmonellaContaminationVeterinary medicineFood scienceFood contaminantBeef cattleEnterobacteriaceaeBiologyEscherichia coliBacteriaAnimal scienceMedicineBusiness

Résumé

récupéré en direct d'OpenAlex

Beef is one of the essential sources of protein in human diet. But retail beef are easily contaminated with pathogenic bacteria and can cause foodborne disease. To determine the bacterial contamination, 45 samples of retail beef including imported beef (n = 24) and local beef (n = 21) were collected from selected wet markets at every district in Selangor. Samples were analyzed for total viable counts (TVC), Escherichia coli, Enterobacteriaceae and the incidence of pathogenic bacteria which are Salmonella spp. and E. coli O157:H7. Overall results showed that all beef samples (n = 45) were positive for TVC and Enterobacteriaceae at an average reading of (mean ± SD) 7.05±0.78 log CFU/g and 5.05±0.87 log CFU/g, respectively. Only 53.3% of the total samples were contaminated with E. coli (4.22±0.60 log CFU/g) whereas only 24.4% of total samples were found to be positive with Salmonella spp. All bacterial count readings fall under the marginal category based on the international standards. There were no significant differences (p > 0.05) in microbial counts between the local and imported beef samples for all parameters. Among the E. coli isolates detected from the beef samples, 3 isolates were identified as E. coli O157:H7. In conclusion, meat safety level for the retail beef sold at wet markets in Selangor and Kuala Lumpur is low and requires more attention from the authorities to ensure its microbiological safety for consumers.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil0,217

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,259
Écart entre enseignants0,247 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetIdentification and Quantification in FoodTravaux en français237 207