Identification of Natural and Artificial Colorants in Industrial Products Marketed in Senegal
Notice bibliographique
Résumé
Food colorants are widely used in the food industry to maintain or enhance product color. However, as the use of these colorants can have negative impacts on health, it is essential to analyze the risks associated with their consumption. This analysis requires, among other things, obtaining sufficient data on the presence of these colorants in foods, as well as their level of consumption. However, data on these colorants is often virtually non-existent in developing countries. The aim of this study was to determine the colorant profile of industrial products marketed in Senegal. Information on food additives was collected on 399 labels of different food product categories in shops located in Dakar. Data is recorded and processed using Excel software. Based on the Codex classification, analysis of the profile of additives identified on the labels of food samples revealed the presence of 31 colorants. The natural colorants identified are dominated by beta-carotene, widely present in beverages and dairy products, and paprika extract identified on cookies and industrial sauces. Artificial colors are dominated caramels present in several foods including bouillons, vinegars, sauces and hard candies. Secondly, there was a strong presence of the azo dye Sunset yellow FCF, widely found in samples of beverages, confectionery and cookies. The results of this case study enable us to appreciate the wide presence and diversity of colorants on the Senegalese market, and the importance of controlling them to guarantee consumer safety.
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 | 0,001 | 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 ».