MétaCan
Menu
Retour à la cohorte
Enregistrement W2809292872 · doi:10.1021/acsomega.8b00761

Identification and Quantitation of Water-Soluble Synthetic Colors in Foods by Liquid Chromatography/Ultraviolet–Visible Method Development and Validation

2018· article· en· W2809292872 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueACS Omega · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueDye analysis and toxicity
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesHealth CanadaCanadian Food Inspection Agency
Mots-clésChromatographyExtraction (chemistry)AnalyteDetection limitChemistryAcetoneAmmonium acetateElutionMethanolHigh-performance liquid chromatography

Résumé

récupéré en direct d'OpenAlex

A simple and sensitive liquid chromatography method of analysis has been developed and validated for the simultaneous quantitative determination of food colors in a broad range of foods. The method of analysis applies specific extraction solutions to obtain optimal color extraction. The extraction solutions are composed of different proportions of methanol and ammonium acetate, as the ion-pairing agent. Analysis was performed on reverse-phase C18 Poroshell column with ammonium acetate, methanol, acetonitrile, and acetone gradient elution as the mobile phases. Multiple-specific wavelengths were used to monitor color additives in the visible range to provide higher sensitivity and expanded scope needed for a large number of analytes. All 27 color compounds showed good linearity with regression coefficients predominantly above 0.990. The limit of detection and limit of quantitation values ranged from 0.10 to 0.43 and from 0.34 to 1.45 μg/g, respectively. The precision of the method ranged from 1.4 to 15.9%, while recoveries averaged 72% across all food commodities tested. The method of analysis offers convenience and adequate sensitivity for the analysis of a wide variety of food matrices containing a broad range of colors.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,350

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 Opus0,015
Tête enseignante GPT0,281
Écart entre enseignants0,266 · 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