Optimization of Unit Operations for Microencapsulating Ferrous Fumarate During Scale-Up of Double Fortification of Salt with Iron and Iodine
Notice bibliographique
Résumé
Abstract Objectives This study evaluates factors responsible for the floating of iron premix in double fortified salt (DFS), which initially affected the large-scale implementation of the salt fortification program in India, and provides solutions to the scale-up of the technology. Materials and Methods To mitigate this time-sensitive scale-up challenge. First, the iron premix samples were obtained from the industrial scale-up pilot studies in India, evaluated for the impact of the amount of coating material (5 per cent, 7.5 per cent, and 10 per cent (in weight)), type of formulation (soy stearin, SEPIFILM and hydroxypropyl methylcellulose), amount of titanium dioxide (25-35 per cent (in weight)) used for color masking; Second, we studied the effect of change in the composition of the coating, from 10 per cent (in weight) soy stearin to a double coat with 5 per cent (in weight) hydroxypropyl methylcellulose and 5 per cent soy stearin or 10 per cent soy stearin and 1 per cent (in weight) lecithin mixture, on particle density, floating or sinking property of the iron premix, and on the stability of iodine in the DFS. Results It was observed that the hydrophobic nature and the amount of soy stearin used for coating caused the floating issue. The double coating with 5 per cent hydroxypropyl methylcellulose and 5 per cent soy stearin was preferred because lecithin in soy stearin enhanced the moisture-aided adverse interaction between iron and iodine. Shelf-life storage studies proved over 80 per cent iodine retention after 12 months of storage in the DFS formulated with iron premix double-coated with hydroxypropyl methylcellulose and soy stearin. Conclusion This proffered solution enabled the full implementation of the double fortification program in India.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».