MétaCan
Menu
Retour à la cohorte
Enregistrement W2996076102

Formation of acrylamide at temperatures lower than 100°C: the case of prunes and a model study Part B Surveillance

2011· article· en· W2996076102 sur OpenAlexaboutno aff
Adam Becalski, Beth Brady, S. Feng, Barbara Gauthier, Tony S. N. Zhao

Notice bibliographique

RevueFood Additives and Contaminants Part A-chemistry Analysis Control Exposure & Risk Assessment · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcrylamideAsparagineChemistryFood scienceBiochemistryAmino acidOrganic chemistryPolymerCopolymer
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Acrylamide concentrations in prune products – baby strained prunes (range = 75–265 µg kg−1), baby apple/prune juice (33–61 µg kg−1), prune juice (186–916 µg kg−1) and prunes (58–332 µg kg−1) – on the Canadian market were determined. The formation of acrylamide in a simulated plum juice was also investigated under ‘drying conditions’ in an open vessel at temperatures <100°C for 24 h and under ‘wet conditions’ in a closed vessel at a temperature of 120°C for 1 h. Acrylamide was produced in a simulated plum juice under ‘drying conditions’ in amounts comparable with those found in prunes and prune juices. Acrylamide was not produced in simulated plum juice under ‘wet conditions’ in a closed vessel at temperature of 120°C for 1 h, but under the same condition an authentic prune juice doubled its acrylamide concentration. Formation of acrylamide in prune products was attributed to the presence of asparagine and sugars in the starting materials.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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'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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Additives and Contaminants Part A-chemistry Analysis Control Exposure & Risk AssessmentMême sujetPotato Plant ResearchTravaux en français237 207