MétaCan
Menu
Retour à la cohorte
Enregistrement W3091789149 · doi:10.3390/foods9101435

Potential of Cold Plasma Technology in Ensuring the Safety of Foods and Agricultural Produce: A Review

2020· review· en· W3091789149 sur OpenAlexaff
Carolina Varilla, Massimo F. Marcone, George A. Annor

Notice bibliographique

RevueFoods · 2020
Typereview
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHuman decontaminationFood scienceListeria monocytogenesFood safetySalmonellaFood processingFood industryListeriaPesticide residuePasteurizationChemistryBiotechnologyEnvironmental scienceWaste managementBiologyPesticideAgronomyBacteria

Résumé

récupéré en direct d'OpenAlex

Cold plasma (CP) is generated when an electrical energy source is applied to a gas, resulting in the production of several reactive species such as ultraviolet photons, charged particles, radicals and other reactive nitrogen, oxygen, and hydrogen species. CP is a novel, non-thermal technology that has shown great potential for food decontamination and has also generated a lot of interest recently for a wide variety of food processing applications. This review discusses the potential use of CP in mainstream food applications to ensure food safety. The review focuses on the design elements of cold plasma technology, mode of action of CP, and types of CP technologies applicable to food applications. The applications of CP by the food industry have been demonstrated for food decontamination, pesticide residue removal, enzyme inactivation, toxin removal, and food packaging modifications. Particularly for food processing, CP is effective against major foodborne pathogenic micro-organisms such as Listeria monocytogenes and Salmonella Typhimurium, Tulane virus in romaine lettuce, Escherichia coli O157:H7, Campylobacter jejuni, and Salmonella spp. in meat and meat products, and fruits and vegetables. However, some limitations such as lipid oxidation in fish, degradation of the oligosaccharides in the juice have been reported with the use of CP, and for these reasons, further research is needed to mitigate these negative effects. Furthermore, more research is needed to maximize its potential.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,021
Tête enseignante GPT0,301
Écart entre enseignants0,280 · 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'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

Citations132
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetPlasma Applications and DiagnosticsTravaux en français237 207