MétaCan
Menu
Retour à la cohorte
Enregistrement W3182436621 · doi:10.3390/agronomy11071366

Growing Mediums for Medical Cannabis Production in North America

2021· article· en· W3182436621 sur OpenAlexaboutno aff
Reza Nemati, Jean-Pierre Fortin, J. N. Craig, Shaye Donald

Notice bibliographique

RevueAgronomy · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant tissue culture and regeneration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCannabisCannabis sativaProduction (economics)BusinessQuality (philosophy)Environmental healthAdvertisingEnvironmental sciencePsychologyMedicineHorticultureBiologyEconomicsPsychiatry

Résumé

récupéré en direct d'OpenAlex

The production and use of cannabis for medical purposes has been legalized in Canada and several states in the USA. Due to the historically illegal nature of cannabis, there is very little information available in academic publications about appropriate growing media for growing cannabis. The purpose of this review is to provide an overview of the most commonly used growing media for the production of medical cannabis and to discuss their advantages and disadvantages. Based on current knowledge, there is a general agreement on the properties of a suitable growing medium within the cannabis industry. However, there is little consensus among growers on the best growing medium to grow cannabis. Different categories of growing media are widely used in North America. In this review, we classified them into several main categories principally based on the type of material used in their composition and the growth stages of the plant. The main categories include: coir-based, peat-based, rockwool, phenolic foam, and living soil. It is not easy to suggest the best growing medium for cannabis production. Each category of growing medium has its strengths and weaknesses. Overall, it seems that coir-based products are the intermediate substrates showing more advantages and less weakness; however, choosing any of these categories depends a lot on the growing technique and production system. Future research should focus on determining the optimal level of growing media properties to produce high yielding medical cannabis with the desired quality.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,487
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetPlant tissue culture and regenerationTravaux en français237 207