Occurrence of aflatoxins in nuts and peanut butter imported to UAE
Notice bibliographique
Résumé
Nuts are an important food group that contributes to maintaining health; however, they can be a source of exposure to aflatoxins. This study was conducted from 2017 to 2021 to assess the incidence of aflatoxins in nuts and nut products imported to the UAE from 57 countries. Associations between container type and processing technique and aflatoxin levels were also analyzed. A total of 5401 samples of pistachios, peanuts, peanut butter, and mixed nuts were examined using HPLC-FLD analysis in conjunction with immunoaffinity cleanup. In nuts, non-conformity was detected in samples imported from 32 different countries. Mean aflatoxin values for the non-compliant samples ranged from 81.0 to 92.7 μg/kg in pistachios, peanuts, and mixed nuts. A significant difference ( p < 0.05) was found between mean aflatoxin levels in samples of peanut butter (29.3 μg/kg) compared to the other types of nuts. Nuts packed in containers made of fabric material had the highest mean aflatoxin levels of 108.1 μg/kg, while 29.7 μg/kg was the lowest mean level and was detected in nuts packed in glass. Ground samples had the highest aflatoxin levels (158.9 μg/kg) among processed products. This report will be valuable as a reference document in developing approaches to control nut importation and for establishing procedures that prevent food safety risks due to aflatoxin exposure. A need was underlined for the regulating authority to audit companies importing nuts, ensure safe practices are in place, and establish standards to minimize contamination and prevent the need for product rejection at the border.
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 | 0,000 | 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 | 0,000 |
| 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 ».