MétaCan
Menu
Retour à la cohorte
Enregistrement W2808061765 · doi:10.5376/me.2018.09.0002

Pesticide Use in Rice with Emphasis on BPH and Residue Implications in Rice Grain Trade

2018· article· en· W2808061765 sur OpenAlexvenueno aff
N. V. Krishnaiah

Notice bibliographique

RevueMolecular Entomology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgronomyResidue (chemistry)Environmental sciencePesticideRice plantGenetically modified riceAgricultural engineeringChemistryBiologyGenetically modified cropsEngineering

Résumé

récupéré en direct d'OpenAlex

When BPH attacks rice crop during flowering and grain hardening stage, it necessitates a pesticide application. That application(s) is likely to lead pesticide residues in grain. Such residue can be harmful to the health of the consumer or can become a cause of rejection of the grain when exported to foreign countries. Hence it is essential to have understanding about the residues of various pesticides recommended against BPH (and/or other pests) with regard to their residue implications. This paper describes briefly the analytical procedures for some important insecticides recommended and used against BPH like buprofezin, ethofenprox, thiamethoxam, chlorantraniliprole, Imidacloprid, pymetrozine, cyantraniliprole, fipronil and denotefuran, in different rice growing countries with special reference to their implications in international rice trade. However, it is painful to admit that there are no analytical methods available in literature for ethiprole and sulfoxaflor residue analysis in rice grain.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,234 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular EntomologyMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207