MétaCan
Menu
Retour à la cohorte
Enregistrement W2795918216 · doi:10.5740/jaoacint.17-0491

Direct Comparison of Cavity Ring Down Spectrometry and Isotope Ratio Mass Spectrometry for Detection of Sugar Adulteration in Honey Samples

2018· article· en· W2795918216 sur OpenAlexaff
Madhavi Mantha, John R Urban, William A. Mark, Anatoly Chernyshev, Kevin M. Kubachka

Notice bibliographique

RevueJournal of AOAC International · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBee Products Chemical Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute of Standards and Technology
Mots-clésIsotope-ratio mass spectrometryHigh-fructose corn syrupChemistryMass spectrometrySugarChromatographyFood science

Résumé

récupéré en direct d'OpenAlex

In the last several years, economically motivated adulteration (EMA) of foods including honey has received increased attention. The addition of inexpensive sweeteners such as high fructose corn syrup or cane sugar to honey is still encountered despite scientific methods that can routinely detect this type of adulteration. The standard method for detection of these adulterants utilizes isotope ratio mass spectrometry (IRMS); however, this technique requires an elevated degree of technical knowledge for operation as well as a high cost for purchase and maintenance. Cavity ring down spectroscopy (CRDS) has demonstrated potential for this type of analysis and is less expensive with simpler operation. This study evaluates CRDS for the detection of low-cost sweeteners added to honey and compares the performance of CRDS to IRMS. Several honey samples were analyzed, and the advantages and limitations specific to CRDS were evaluated. Overall, the results indicate that CRDS provides a performance comparable to the benchmark technique IRMS for EMA honey analysis.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,246 · 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'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

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetBee Products Chemical AnalysisTravaux en français237 207