MétaCan
Menu
Retour à la cohorte
Enregistrement W2910613178 · doi:10.3390/challe10010002

Improving Health and Wealth by Introduction of an Affordable Bacterial Starter Culture for Probiotic Yoghurt Production in Uganda

2019· article· en· W2910613178 sur OpenAlexafffund
Nieke Westerik, Alex Paul Wacoo, Esther Anyimo, William Matovu, Gregor Reid, Remco Kort, Wilbert Sybesma

Notice bibliographique

RevueChallenges · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesInternational Development Research Centre
Mots-clésProbioticProfitability indexStarterBusinessProduction (economics)RevenueConsumption (sociology)AgricultureIntervention (counseling)BiotechnologyAgricultural scienceFood scienceEconomicsMedicineFinanceBiology

Résumé

récupéré en direct d'OpenAlex

In rural Africa, income generating activities of many households heavily depend on agricultural activities. In this paper, we present the results of a multi-year intervention whereby dairy farmers and small-scale entrepreneurs were taught to convert their milk into a probiotic yoghurt using an innovative bacterial starter culture and basic equipment. This intervention creates additional sources of income and employment for people involved in the delivery of milk as well as production, distribution, and sales of yoghurt. Besides the economic benefits, the consumption of the probiotic yoghurt can contribute to reduction of the incidence and severity of diarrhea, respiratory tract infections, atopic diseases, alleviate the symptoms of stomach ulcers, and decrease the uptake of aflatoxins in the body. With minimal external financial support, 116 communities or small entrepreneurs have been able to start, expand, and maintain a business by production and sales of probiotic yoghurt. Applied business models and success rate in terms of revenues and profitability varied per region and depended on location, culture, ownership structure, wealth status, and gender.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,307
Écart entre enseignants0,284 · 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'étudeExpérimental (laboratoire)
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

Citations24
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChallengesMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207