MétaCan
Menu
Retour à la cohorte
Enregistrement W4283398993 · doi:10.3389/fmicb.2022.875164

The Impact of COVID-19 Pandemic on Seafood Safety and Human Health

2022· review· en· W4283398993 sur OpenAlexfundno aff
Nikheel Bhojraj Rathod, Nariman Elabed, Fatih Özoğul, Joe M. Regenstein, Charis M. Galanakis, Sulaiman O. Aljaloud, Salam A. Ibrahim

Notice bibliographique

RevueFrontiers in Microbiology · 2022
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Safety and Hygiene
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Population and Public HealthNational Institute of Food and AgricultureTürkiye Bilimsel ve Teknolojik Araştırma KurumuKing Saud UniversityEuropean Commission
Mots-clésPandemicFood safetyCoronavirus disease 2019 (COVID-19)Human healthEnvironmental healthCoronavirusTransmission (telecommunications)TraceabilityBusinessFood securityRisk analysis (engineering)DiseaseBiologyInfectious disease (medical specialty)MedicineFood scienceAgricultureEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease (COVID-19) pandemic caused several negative impacts on global human health and the world's economy. Food and seafood safety and security were among the principal challenges and causes of concern for the food industry and consumers during the spread of this global pandemic. This article focused on the effects of COVID-19 pandemic on potential safety issues with seafood products and their processing methods. Moreover, the potential impacts of coronavirus transmission through seafood on human health were evaluated. The role of authenticity, traceability, and antimicrobials from natural sources to preserve seafood and the possible interaction of functional foods on the human immune system are also discussed. Although seafood is not considered a principal vector of SARS-CoV-2 transmission, the possible infections through contaminated surfaces of such food products cannot be neglected. The positive effects of seafood consumption on possible immunity built up, and COVID-19 are also summarized.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,346
Écart entre enseignants0,275 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetFood Safety and HygieneTravaux en français237 207