MétaCan
Menu
Retour à la cohorte
Enregistrement W2950519650 · doi:10.1093/cdn/nzz036.p13-015-19

Rapid and Reliable Qualitative Methods for Identification of Iron Fortificants in Wheat Flour (P13-015-19)

2019· article· en· W2950519650 sur OpenAlexaffabout
Nicole Hanson, Isaac Agbemafle, Manpreet Chadha, Manju Reddy

Notice bibliographique

RevueCurrent Developments in Nutrition · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensNutrition International
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)Wheat flourFood scienceBiologyBotany

Résumé

récupéré en direct d'OpenAlex

Fortification is a common strategy to reduce the prevalence of iron deficiency anemia (IDA). Currently, manufacturers are able to fortify wheat flour with cheaper iron compounds with lower bioavailability, leading to less of an impact on IDA. Therefore, a method is needed for government agencies to monitor the type of iron added to flour. The objective was to develop a quick and simple method to qualitatively determine iron compounds commonly used for fortifying wheat flour. Unfortified wheat flour was fortified with 40 ppm using these salts: ferric pyrophosphate (FePP), ferrous sulfate (FeSO4), ferrous citrate (FeC), ferrous fumarate (FeF), and sodium iron EDTA (NaFeEDTA), except for electrolytic iron (EFe) where 60 ppm was added. Iron salts were identified based on their magnetic property, solubility in water or acid, and oxidation state. EFe was identified by passing a magnet through the flour. Ferrous and ferric salts were identified using potassium thiocyanate (KSCN) in 3 N hydrochloric acid (HCl) with and without hydrogen peroxide (H2O2). Ferric salts (NaFeDTA and FePP) were identified using Ferrozine and ascorbic acid. Poor solubility of FeF in weak acid with KSCN was used to differentiate it from FeSO4 and FeC. Acidity testing with phenolphthalein and sodium hydroxide (NaOH) further differentiated FeC from FeSO4. Flour samples were tested in triplicates and blinded samples were tested independently. EFe from flour was visible on the magnet. In addition to producing red specks with KSCN, NaFeEDTA in water produced strong color with Ferrozine and ascorbic acid, unlike FePP. Using KSCN and H2O2, FeF did not produce pink color with 0.1 N HCl, unlike FeSO4 and FeC. Acidity testing differentiated FeSO4 and FeC; FeSO4 produced pink color with less NaOH than FeC. Blinded flour samples were independently and correctly identified to confirm the validity of the methods. These quick, inexpensive, and reliable qualitative methods will be useful for agencies to identify the type of iron added to flour to monitor the quality of iron fortification strategies. Supported by Nutrition International through a grant from Global Affairs Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,431
Score d'incertitude au seuil0,226

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,397
Écart entre enseignants0,315 · 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 tête enseignante, 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Developments in NutritionMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207