MétaCan
Menu
Retour à la cohorte
Enregistrement W3032047614 · doi:10.1002/fsn3.1659

Mercury concentrations in store‐bought shrimp

2020· article· en· W3032047614 sur OpenAlexaff
A. I. McCormick, Matthew Robertson, Rebecka L. Brasso, Stephen R. Midway

Notice bibliographique

RevueFood Science & Nutrition · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésShrimpMercury (programming language)FisheryShellfishBiologyCrustaceanToxicologyEnvironmental scienceAnimal scienceFood scienceChemistryAquatic animalFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Abstract Most mercury exposure to humans comes from consumption of fish and shellfish; however, mercury concentrations are not known for all available seafood, particularly shrimp. Our objective was to estimate the concentration of mercury in a variety of store‐bought shrimp and then to compare total mercury concentrations to other information such as brand, harvest type, and total fat. We sampled a total of n = 159 shrimp from 10 different brands. Across 10 brands of shrimp, there was a significant effect of brand, with mean mercury concentrations among brands varying by up to an order of magnitude. We found no significant differences comparing shrimp between two capture types (wild‐caught and farm‐raised), which was perfectly collinear to whether shrimp were domestic or foreign. We did detect significant differences in mercury levels among different amounts of total fat in shrimp, with the lowest fat shrimp (1 g) having significantly more mercury than the highest fat shrimp (2 g). Although our results confirm that shrimp contains relatively low levels of mercury and is generally considered a good choice for consumers, this study is the first to report significant differences in mercury among both brands of shrimp and total fat content in shrimp.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,519
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,270
Écart entre enseignants0,237 · 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'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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Science & NutritionMême sujetMercury impact and mitigation studiesTravaux en français237 207