Pesticide residues in fresh fruits imported into the United Arab Emirates
Notice bibliographique
Résumé
Pesticides are a major public health issue connected with excessive use because they negatively impact health and the environment. Pesticide toxicity has been connected to various human illnesses by means of pesticide exposure in direct or indirect ways. A total of 4513 samples of imported fresh fruits were collected from Dubai ports between 2018 to 2020. Their contamination by pesticides was evaluated using gas chromatography combined with mass spectrometry (GC-MS/MS) and liquid chromatography-mass spectrometry (LC-MS/MS). The display of monitoring results was based on the Maximum Residue Limit (MRL) standard as per the procedures of the European Union. Eighty-one different pesticide residues were detected in the tested fruit samples. In 73.2% of the samples, the pesticide levels were ≥ MRL, while 26.8% were > MRL standards. Chlorpyrifos, carbendazim, cypermethrin, and azoxystrobin were the most frequently detected pesticides in more than 150 samples. Longan (81.4%) and rambutan (66.7%) showed the highest number of imported samples with multiple pesticide residues > MRL. These results highlight the need to continuously monitor pesticide residues in fruits, particularly samples imported into the United Arab Emirates (UAE). Fruit samples with residues > MRL are considered unfit for consumption and prevented from entering commerce in the UAE.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».