MétaCan
Menu
Retour à la cohorte
Enregistrement W3043961053 · doi:10.5539/jfr.v9n5p22

Rapid Detection and Identification Systems for the Microbiological Assessment of Processed Soy Foods: A Review

2020· review· en· W3043961053 sur OpenAlexvenueno aff
Mitsuru Katase, Kazunobu Tsumura

Notice bibliographique

RevueJournal of Food Research · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnterobacteriaceae and Cronobacter Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)Soy milkSoy proteinFood scienceBiochemical engineeringBiotechnologyFood processingFood safetyComputer scienceEnvironmental scienceChemistryEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Plant-based diets are gaining interest in promoting physical and environmental health worldwide. The widely growing consumption of processed soy foods results in an increased demand for safe and high quality soy foods. Many of the rapid bacterial detection methods currently available are inhibited by components in the food matrixes. In recent years, high-throughput devices have been developed, which aid in the enumeration and evaluation of microorganisms in processed soy foods (automated fluorescent filter method, high-throughput identification using matrix-assisted laser desorption ionization time-of-flight mass spectrometry, and automated most probable number method). These methods are more rapid and convenient compared to the conventional culture method. This review discusses alternate reliable methods for the microbiological assessment of processed soy foods, which guarantees the safety of the food delivered for consumption.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,400

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,164
Tête enseignante GPT0,460
Écart entre enseignants0,296 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetEnterobacteriaceae and Cronobacter ResearchTravaux en français237 207