MétaCan
Menu
Retour à la cohorte
Enregistrement W2946083913 · doi:10.5539/gjhs.v11n6p132

Comparative Study of Functional Food Regulations in Japan and Globally

2019· article· en· W2946083913 sur OpenAlexvenueno aff
Mohamed Farid, Kota Kodama, Teruyo Arato, Takashi Okazaki, Tetsuaki Oda, Hideko Ikeda, Shintaro Sengoku

Notice bibliographique

RevueGlobal Journal of Health Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésCertificationLegislatureChinaBusinessEuropean unionGovernment (linguistics)MarketingInternational tradePublic economicsEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Since its inception in Japan, functional food has continued to deliver a true added value to a wide spectrum of customers, especially in aging subpopulations. Japanese companies have strong "R&D" capabilities and strong know-how in the field of functional foods. They have the opportunity to grow overseas by promoting and marketing their products. The main challenge is to understand the foreign markets and their regulations to be able to promote Japanese products overseas. To achieve this goal, the study reports a scientific review of the relevant literature and official legislative reports published by the authorized entities in several countries to create a comparison between the rules and regulations in different countries such as China, the European Union, South Korea, Singapore, Taiwan, and the United States. The study results provide suggestions for entry strategies to recommended foreign markets based on regulatory situations. The study also provides a comparison for the different functional food regulations in Japan (FOSHU, FNFC, FFC), along with an introduction for the new local government certification system.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

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
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,049
Tête enseignante GPT0,307
Écart entre enseignants0,258 · 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'étudeObservationnel
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

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetCulinary Culture and TourismTravaux en français237 207