MétaCan
Menu
Retour à la cohorte
Enregistrement W4361269462 · doi:10.1080/10408398.2023.2190412

Mycotoxin risk management in maize gluten meal

2023· review· en· W4361269462 sur OpenAlexaff
Jinghua Chang, Hao Luo, Lin Li, Junnan Zhang, Jagger Harvey, Yueju Zhao, Guangtao Zhang, Yang Liu

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2023
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycotoxins in Agriculture and Food
Établissements canadiensMaRS
Organismes subventionnairesnon disponible
Mots-clésMycotoxinContext (archaeology)Animal feedIngredientBiotechnologyFood scienceGlutenBusinessBiology

Résumé

récupéré en direct d'OpenAlex

Maize gluten meal (MGM) is a by-product of maize starch and ethanol, produced by the wet milling process. Its high protein content makes it a preferred ingredient in feed. Given the high prevalence of mycotoxins in maize globally, they pose a significant challenge to use of MGM for feed: wet milling could concentrate certain mycotoxins in gluten components, and mycotoxin consumption affects animal health and can contaminate animal-source foods. To help confront this issue, this paper summarizes mycotoxin occurrence in maize, distribution during MGM production and mycotoxin risk management strategies for MGM through a comprehensive literature review. Available data emphasize the importance of mycotoxin control in MGM and the necessity of a systematic control approach, which includes: good agriculture practices (GAP) in the context of climate change, degradation of mycotoxin during MGM processing with SO2 and lactic acid bacteria (LAB) and the prospect of removing or detoxifying mycotoxins using emerging technologies. In the absence of mycotoxin contamination, MGM represents a safe and economically critical component of global animal feed. With a holistic risk assessment-based, seed-to-MGM-feed systematic approach to reducing and decontaminating mycotoxins in maize, costs and negative health impacts associated with MGM use in feed can be effectively reduced.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
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 Opus0,106
Tête enseignante GPT0,355
Écart entre enseignants0,249 · 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'étudeAutre devis
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

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Food Science and NutritionMême sujetMycotoxins in Agriculture and FoodTravaux en français237 207