Assessment of Safety Performance in Banana Alcoholic Beverage Processing Factories in Rwanda
Notice bibliographique
Résumé
Although the Rwandan competent authorities are putting effort to improve the safety of traditional banana alcoholic beverages, safety problems still exist. This study aimed to apply customized diagnostic tool to gain an insight into the performance of food safety in traditional banana alcoholic beverage factories as an evidence based to support the selection of suitable interventions for improvement to assure sustainability and meet growing market of traditional banana alcoholic beverages. Literature search was used to identify context factors, quality assurance and control activities that can influence safety of banana alcoholic beverage products and validated by processors through interview and participant observation. The data were collected in eleven factories located in Kigali city and four provinces of Rwanda using an assessment tool. Data analysis was performed using Microsoft Office Excel. All factories have shown to operate in relatively high risk context (score 2-3), most of control activities were at basic level (score 1), whereas assurance activities were at relatively average level (score 1-2) which resulted into poor food safety performance (score 1). This shows that, the modern food safety practices can’t be applied in traditional food processing factories due to traditional methods and equipment, low level of science-based knowledge related to processing technology, food safety and hygiene. Therefore, there is a need to design modern equipment that are easy to clean and disinfect to replace traditional ones, to train technical staff on processing technology, safety and hygiene, and to change behaviors towards making decisions based on scientific knowledge.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».