Revisiting the sampling, sample preparation, and analytical variability associated with testing wheat for deoxynivalenol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fifteen lots of wheat were sampled to characterise the total variance and distribution among sample test results associated with measuring deoxynivalenol (DON) in bulk wheat lots. An unbalanced nested experimental design based on past research was used to determine contributions to the total variance from sampling, sample preparation, and analysis. The wheat lots used in the study contained average DON concentrations that ranged from 0.17 to 24.5 mg/kg. Sampling was determined to be the largest contributor to the total variance of measuring DON at low mg/kg concentrations, which are relevant to existing maximum levels. With the experimental design parameters of 1 kg laboratory samples, sub-division of whole and ground grain using rotary sample division, sample comminution using a commercial-grade coffee grinder, extraction of 100 g test portions, and making one measurement of DON in the test portion by gas chromatography-mass spectrometry, the total variance of DON measurement at 2 mg/kg was 0.046 mg 2 /kg 2 (coefficient of variation=10.7%). At this concentration, sampling contributed 67% to the total variance, followed by sample preparation (18%) and analysis (15%). The DON distribution among sample test results was accurately described by the normal distribution. The mathematical model of variance was used with the normal distribution of DON measurement results to construct operating characteristics curves to model the likelihood of mischaracterising a wheat lot as (non) compliant with a certain decision limit. With realistic laboratory sample and test portion sizes, as well as a practicable decision limit of 1.5 mg/kg, the estimated probability of mischaracterising a wheat lot containing 2 mg/kg DON as less than this concentration was reduced to 1%.
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.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 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 découle