MétaCan
Menu
Retour à la cohorte
Enregistrement W2989544942 · doi:10.1111/ijfs.14438

A reference isotope dilution headspace GC/MS method for the determination of nitrite and nitrate in meat samples

2019· article· en· W2989544942 sur OpenAlexaff
Natasha Luckovitch, Enea Pagliano

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésNitriteChemistryChromatographyNitrateIsotope dilutionGas chromatographyDilutionGas chromatography–mass spectrometryMass spectrometryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Summary A novel method for the determination of nitrite and nitrate in meat products is presented. The samples were ground and extracted in hot water with the presence of and internal standards. The solution was buffered with sodium bicarbonate and reacted with triethyloxonium tetrafluoroborate to convert nitrite and nitrate into EtNO2 and EtONO2. Such derivatives could be detected by headspace GC/MS in positive chemical ionisation mode with 0.05 µg g−1 and 1.0 µg g−1 LOD. The method was used for and quantitation in the 0.5‐300 and 2.5‐300 µg g−1 ranges. The method was applied for the analysis of fifteen meat products. Despite minimal sample preparation, the headspace sampling ensured a clean chromatography for over 135 analyses (throughput ten samples per hour). The proposed method offers selective GC/MS detection combined with high‐precision isotope dilution calibration, it is suitable for metrological applications and can support regulations on meat safety (European Commission, 2011).

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
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 Opus0,063
Tête enseignante GPT0,331
Écart entre enseignants0,268 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetMeat and Animal Product QualityTravaux en français237 207