Frequency and Diversity of Stabilizers, Thickeners and Gelling Agents Used as Food Additives in Food Products Sold on Dakar Markets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The industrial use of food additives is growing rapidly worldwide.These additives include stabilizers, thickeners and gelling agents.These substances help to improve texture and protect against food modification.The result is food products with improved sensory quality, acceptable to consumers and with increased profits for companies.However, the use of these substances must comply with standards to guarantee food safety.These standards are regularly revised to take account of any new safety data.This implies the need to obtain information on the presence and level of use of these additives in foodstuffs sold in distribution chains.This study therefore set out to identify the profile and frequency of stabilizers, gelling agents and thickeners in various food categories sold on Dakar markets.The methodology adopted is based on a collection of labels from food samples sold in various trading venues.Food additives as well as the functions indicated on the labels are listed, recorded and classified based on Codex Alimentarius standards.The results of this study showed the predominance of stabilizers (59%), made up largely of plant hydrocolloids, particularly guar gum and cellulose gum.Of the 4 substances used as thickeners, most were xanthan gum and acetylated diamidon adipate.As for additives indicated as gelling agents, the presence of pectin and gelatin was noted.Generally speaking, most of the additives encountered are of natural origin and can be extracted from local plant resources.
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.
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 | 0,000 |
| 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 découle