MétaCan
Menu
Retour à la cohorte
Enregistrement W3092001442 · doi:10.6000/1927-520x.2020.09.18

Scientific Findings on the Quality of River Buffalo Meat and Prospects for Future Studies

2020· article· en· W3092001442 sur OpenAlexvenueno aff
Rosy G. Cruz-Monterrosa, Daniel Mota‐Rojas, J. Efrén Ramírez‐Bribiesca, Patricia Mora‐Medina, Isabel Guerrero‐Legarreta

Notice bibliographique

RevueJournal of Buffalo Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)GeographyBusiness

Résumé

récupéré en direct d'OpenAlex

The objectives of this review are to detect scientific findings and areas of opportunity in the study of river buffalo meat from primary production through commercialization and to establish future areas of research linked to each step of the meat supply chain to strengthen and improve the production and quality of buffalo meat in the future. Recent studies show that buffalo meat is healthy and that the prevalence of cardiovascular and cerebrovascular diseases is not related to intramuscular fat consumption. The current grand demand for food constitutes an ongoing challenge for agricultural production. Of course, this demand includes meat, but the animal species traditionally destined for human consumption are no longer capable of satisfying requirements. This review detected gaps in studies of the alimentary systems of this species (including its digestive tract) and a paucity of analyses designed to determine the optimum slaughtering age. Identifying –and correcting– practices that foster contamination, reduce the shelf life of buffalo meat, and suggest appropriate conservation and packaging methods during commercialization are two additional pending concerns. This study concludes that marketing buffalo meat represents a great challenge for producers and researchers, one that requires a multi- and interdisciplinary approach that examines in detail every step of the productive chain.

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)0,008
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0040,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,144
Tête enseignante GPT0,320
Écart entre enseignants0,175 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Buffalo ScienceMême sujetFood Industry and Aquatic BiologyTravaux en français237 207