MétaCan
Menu
Retour à la cohorte
Enregistrement W2897195436 · doi:10.1111/1541-4337.12398

Cold Plasma for Effective Fungal and Mycotoxin Control in Foods: Mechanisms, Inactivation Effects, and Applications

2018· article· en· W2897195436 sur OpenAlexafffund
N.N. Misra, Barun Yadav, M. S. Roopesh, Cheorun Jo

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta Canola Producers CommissionAlberta Agriculture and Forestry
Mots-clésMycotoxinShelf lifeFood scienceFood safetyFood productsChemistry

Résumé

récupéré en direct d'OpenAlex

Cold plasma treatment is a promising intervention in food processing to boost product safety and extend the shelf-life. The activated chemical species of cold plasma can act rapidly against micro-organisms at ambient temperatures without leaving any known chemical residues. This review presents an overview of the action of cold plasma against molds and mycotoxins, the underlying mechanisms, and applications for ensuring food safety and quality. The cold plasma species act on multiple sites of a fungal cell resulting in loss of function and structure, and ultimately cell death. Likewise, the species cause chemical breakdown of mycotoxins through various pathways resulting in degradation products that are known to be less toxic. We argue that the preliminary reports from cold plasma research point at good potential of plasma for shelf-life extension and quality retention of foods. Some of the notable food sectors which could benefit from antimycotic and antimycotoxin efficacy of cold plasma include, the fresh produce, food grains, nuts, spices, herbs, dried meat and fish industries.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,298
Écart entre enseignants0,275 · 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

Citations345
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComprehensive Reviews in Food Science and Food SafetyMême sujetPlasma Applications and DiagnosticsTravaux en français237 207