MétaCan
Menu
Retour à la cohorte
Enregistrement W2883519838 · doi:10.1039/c8an00497h

Nanomaterial based electrochemical sensors for the safety and quality control of food and beverages

2018· review· en· W2883519838 sur OpenAlexafffund
Venkatesh S. Manikandan, Bal-Ram Adhikari, Aicheng Chen

Notice bibliographique

RevueThe Analyst · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensThunder Bay Regional Research InstituteUniversity of GuelphLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsOntario Trillium Foundation
Mots-clésFood safetyFood qualityFood packagingNanomaterialsElectrochemistryQuality (philosophy)Food scienceBusinessNanotechnologyMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The issue of foodborne related illnesses due to additives and contaminants poses a significant challenge to food processing industries. The efficient, economical and rapid analysis of food additives and contaminants is therefore necessary in order to minimize the risk of public health issues. Electrochemistry offers facile and robust analytical methods, which are desirable for food safety and quality assessment over conventional analytical techniques. The development of a wide array of nanomaterials has paved the way for their applicability in the design of high-performance electrochemical sensing devices for medical diagnostics and environment and food safety. The design of nanomaterial based electrochemical sensors has garnered enormous attention due to their high sensitivity and selectivity, real-time monitoring and ease of use. This review article focuses predominantly on the synthesis and applications of different nanomaterials for the electrochemical determination of some common additives and contaminants, including hydrazine (N2H4), malachite green (MG), bisphenol A (BPA), ascorbic acid (AA), caffeine, caffeic acid (CA), sulfite (SO32-) and nitrite (NO2-), which are widely found in food and beverages. Important aspects, such as the design, fabrication and characterization of graphene-based materials, gold nanoparticles, mono- and bimetallic nanoparticles and metal nanocomposites, sensitivity and selectivity for electrochemical sensor development are addressed. High-performance nanomaterial based electrochemical sensors have and will continue to have myriad prospects in the research and development of advanced analytical devices for the safety and quality control of food and beverages.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,265
Écart entre enseignants0,245 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations200
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetElectrochemical sensors and biosensorsTravaux en français237 207