Determination of Ethanol Content in Kombucha Products by Gas Chromatography with Flame Ionization Detection: A Multilaboratory Study
Notice bibliographique
Résumé
Abstract Background: Kombucha is a nonalcoholic, fermented tea beverage that has recently received negative attention because of documented concentrations of ethanol in excess of allowable limits of ≥0.5% alcohol by volume (ABV). Objective: Our previously reported headspace GC with flame-ionization detection (GC-FID) method was adopted by the AOAC Expert Review Panel as First Action Official MethodSM 2016.12 in September 2016 based on published single-laboratory validation study results. This paper describes the corresponding multilaboratory study using this method to further validate its performance parameters. Methods: Four laboratories participated in the study and received practice samples, test samples, reference standards, and detailed protocols. Eight kombucha samples sent out to laboratories were randomly assigned sample numbers and were blinded in terms of content and identity. Each laboratory analyzed all samples using the GC-FID method and reported their results. Results: Cochran’s C-test and single and double Grubbs’ tests were used to identify and remove outliers. Horwitz ratio values for all samples were between 0.5 and 1.7. As per the Standard Method Performance Requirements (SMPRs®), all samples within the analytical range of 0.1–2.0 ABV% had RSDR values <6%. Conclusions: The results from this study demonstrate the evaluated GC-FID method meets the SMPR requirements and is fit for purpose for detecting ethanol in kombucha products. Highlights: Kombucha, a nonalcoholic, fermented beverage, has been found to contain ≥0.5% ABV. First Action Official Method 2016.12, a headspace GC-FID method for determining ethanol in kombucha, is supported by a multilaboratory study.
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 | 0,000 | 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 ».