MétaCan
Menu
Retour à la cohorte
Enregistrement W2997082414 · doi:10.1111/jfpe.13351

Effective removal of organophosphorus pesticide residues in tomatoes using natural extracts

2019· article· en· W2997082414 sur OpenAlexaff
Renuka Venkatachalapathy, Anoop Chandra Indira Ramachandran, Somnath Das, Basheer Vajiha Aafrin, U. Lalitha priya, S. Karthikeyan, M. Sukumar

Notice bibliographique

RevueJournal of Food Process Engineering · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesnon disponible
Mots-clésDimethoatePesticideDichlorvosMalathionChemistryPesticide residueFood scienceLycopeneChlorpyrifosToxicologyPhytochemicalBiologyAgronomyCarotenoidBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The reduction efficiency of the extracts of Albizia amara and Acacia concinna against most widely used organophosphorus pesticides such as dimethoate, malathion, dichlorvos, and chlorpyrifos on tomato samples was investigated. The pesticide residues were quantified by gas chromatography with triple quadrupole mass spectrometer (GC‐MS/MS). The maximum reduction efficiency was achieved from the samples treated with 8% A. concinna extract on dichlorvos (87%) and dimethoate (84%) followed by 6% A. amara on malathion (83%) and chlorpyrifos (64%) and comparatively higher than water wash and it shows the reduction of only 14–38% for 15 min. The sensorial property and lycopene content of tomato samples were assessed and these plant extracts showed no significant effects on color, texture, and lycopene content after washing treatment. These phytochemical rich plant extracts exhibited greater reduction ability against pesticide residues without changing the nutritional and sensorial characteristics of the treated tomato samples. The current study may be a platform for formulating a cost‐effective, safe, and natural cleanser for the effective removal of pesticide residues in fruits and vegetables. Practical applications Presence of multiple pesticide residues in fruits and vegetables is a worldwide problem in food safety. Particularly, tomatoes are most often consumed without cooking, hence it is essential to estimate the pesticide reduction efficiency of the common washing procedure. Washing of tomatoes with chemical solutions to remove pesticide residues leads to additional chemical exposure. Therefore, the reduction efficiency of natural plant extracts such as Albizia amara and Acacia concinna on four pesticides (dimethoate, malathion, dichlorvos, and chlorpyrifos) was studied. The method for the analysis of pesticide using GC‐MS/MS was validated according to SANTE 11813/2017 to detect the pesticide residues in tomatoes after each washing treatment. This study showed that the natural extracts could be a good tool for the removal of multipesticide residues effectively from the tomatoes without compromising its nutritional and sensory properties. The pesticide decontamination with plant extracts was effective, economic and safe for household and commercial applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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
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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food Process EngineeringMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207