MétaCan
Menu
Retour à la cohorte
Enregistrement W4398780347 · doi:10.2174/9789815223644124010004

What is Seaweed? General Facts about Seaweeds

2024· book-chapter· en· W4398780347 sur OpenAlexaff
Dinusha Shiromala Dissanayake, K. K. Asanka Sanjeewa, Thilina U. Jayawardena

Notice bibliographique

RevueBENTHAM SCIENCE PUBLISHERS eBooks · 2024
Typebook-chapter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésAlgaeFisheryEnvironmental scienceBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Seaweeds are rich sources of various nutrients and bioactive compounds, which offer several health benefits. They contain high levels of vitamins, minerals, fiber, and protein, making them a valuable addition to a balanced diet. Seaweeds are particularly rich in iodine, an essential mineral that plays a crucial role in thyroid function and overall metabolism. They also contain significant amounts of iron, calcium, magnesium, potassium, and other trace minerals that are essential for human health. Moreover, seaweeds are known for their bioactive compounds, such as polysaccharides, phlorotannins, carotenoids, and polyunsaturated fatty acids, which have been linked to several health benefits, including anti-inflammatory, antioxidant, antimicrobial, and anticancer properties. Studies have shown that consuming seaweed may help to reduce the risk of chronic diseases, such as cardiovascular disease, diabetes, and certain types of cancer. Seaweeds may also improve gut health by acting as a prebiotic, promoting the growth of beneficial gut bacteria. In the present chapter, the authors focus on briefly summarizing the bioactive properties of secondary metabolites identified from seaweeds and their therapeutic potential as supportive information for the next chapters in this book.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,009

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 Opus0,020
Tête enseignante GPT0,220
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBENTHAM SCIENCE PUBLISHERS eBooksMême sujetMarine and coastal plant biologyTravaux en français237 207