Proximate Composition and Mineral Contents of Farmed and Wild Fish in Kenya
Notice bibliographique
Résumé
The Kenyan government is promoting fish farming to boost fish supply and reduce rural poverty and malnutrition. This study was carried out to determine the differences between the chemical composition of wild and farmed fish particularly Nile tilapia (Oreochromis niloticus) and African Catfish (Claris gariepinus) species. Wild fish were obtained from City market Nairobi, while farmed fish were obtained from selected ponds in Sagana and Kamulu (Kenya). Proximate composition, mineral and heavy metal content of the fish were determined using standard methods of analysis. Farmed fish contained significantly higher moisture content than the wild fish. Protein content in wild fish ranged from 21.9 – 22.1 % compared to 16.0 – 19.2 % in farmed fish. Fat content in wild fish ranged from 3.0 – 3.8 % compared to 1.9 – 4.8 % in farmed fish and ash from 1.8 – 2.1 % in wild compared to 1.1 – 1.5 % in farmed fish. The concentration of minerals in wild fish ranged from 2.8 – 3.0 mg/100g of iron, 5.5 – 5.6 mg/100g zinc, and 39.9 – 43.8 mg/100g calcium compared to the lower values of 1.9 – 2.4 mg/100g of iron, 28.2 – 37.0 mg/100g calcium and 4.3 – 5.0 mg/100g zinc in farmed fish respectively. Unfortunately, the wild fish was found to contain significantly higher concentrations of heavy metals as compared to the farmed fish (P < 0.05). From the results, it was evident that wild fish were nutritionally superior to the farmed fish but, they also contained significantly higher levels of toxic heavy metals.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».