MétaCan
Menu
Retour à la cohorte
Enregistrement W3094824754 · doi:10.1111/1541-4337.12649

An overview of chemical contaminants and other undesirable chemicals in alcoholic beverages and strategies for analysis

2020· review· en· W3094824754 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2020
Typereview
Langueen
DomaineChemistry
ThématiqueDye analysis and toxicity
Établissements canadiensMcGill UniversitySte. Anne's Hospital
Organismes subventionnairesnon disponible
Mots-clésContaminationBiochemical engineeringEnvironmental scienceHuman healthBiologyEnvironmental healthEcologyEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

The presence of chemical contaminant in alcoholic beverages is a widespread and notable problem with potential implications for human health. With the complexity and wide variation in the raw materials, production processes, and contact materials involved, there are a multitude of opportunities for a diverse host of undesirable compounds to make their way into the final product-some of which may currently remain unidentified and undetected. This review provides an overview of the notable contaminants (including pesticides, environmental contaminants, mycotoxins, process-induced contaminants, residues of food contact material [FCM], and illegal additives) that have been detected in alcoholic products thus far based on prior reviews and findings in the literature, and will additionally consider the potential sources for contamination, and finally discuss and identify gaps in current analytical strategies. The findings of this review highlight a need for further investigation into unwanted substances in alcoholic beverages, particularly concerning chemical migrants from FCMs, as well as a need for comprehensive nontargeted analytical techniques capable of determining unanticipated contaminants.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,968
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,230
Tête enseignante GPT0,414
Écart entre enseignants0,184 · 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