Oxalates are Found in Many Different European and Asian Foods - Effects of Cooking and Processing
Notice bibliographique
Résumé
Plant foods contain a surprising number of different toxins. A few well-known plants, including some grown in Thailand are known to contain high levels of oxalates however, some plants have not yet been fully investigated. A few plants have become fashionable to promote health because they contain antioxidants but some of these plants will contain oxalates as well. In many cases there is little published data to confirm the oxalates levels of these plants. If plant leaves are boiled before they are consumed this allows soluble oxalate to be leached out and discarded in the cooking water. This means that the cooked food contains considerably lower levels of soluble oxalates than the original raw plants. Cooking in a wok generally concentrates the oxalate contents as much of the cooking water is removed as steam. However, during cooking some of the soluble oxalates can combine with free calcium in the food and be converted to insoluble oxalates; these are not absorbed in the digestive tract. The preparation of juices using fruit or vegetables are being promoted as healthy alternatives, this poses further problems, as they may be prepared from raw vegetable leaves, such as spinach, which contain high levels of oxalates. These juices are not cooked so the oxalate concentration is not reduced during their preparation. Recent research has shown that the addition of calcium salts to these juices can considerably reduce the soluble oxalate content of the drink prepared without changing the taste.
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 | 0,000 |
| 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 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 ».