MétaCan
Menu
Retour à la cohorte
Enregistrement W4403533330 · doi:10.1080/19440049.2024.2417394

Contaminants and residues have varied distributions in large volumes of wheat

2024· article· en· W4403533330 sur OpenAlexafffund
Sheryl A. Tittlemier, Richard Blagden, Jason Chan, Dainna Drul, Don Gaba, Mei Huang, Anja Richter, Mike Roscoe, Maria Serda, Valentina Timofeiev, Michael Tran

Notice bibliographique

RevueFood Additives & Contaminants Part A · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycotoxins in Agriculture and Food
Établissements canadiensUniversity of ManitobaGovernment of Canada
Organismes subventionnairesMcMaster University
Mots-clésEnvironmental scienceEnvironmental chemistryContaminationAgronomyChemistryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Analysis of bulk wheat consignments for naturally-occurring contaminants and residues from plant protection products is common, and helps manage potential health risks to consumers. The heterogeneous distribution of some mycotoxins in wheat has been described, however the distribution of other contaminants and residues has not yet been reported. This study characterized distributions of deoxynivalenol, ochratoxin A, ergot alkaloids, cadmium, and glyphosate in nine large consignments of wheat by analysing composite samples representing sub-lots prepared from increments obtained during the entire loading process. The widest span of concentrations within a consignment occurred for ochratoxin A (<0.5-22.9 µg/kg) and ergot alkaloids (0.009-0.486 mg/kg), followed by deoxynivalenol (<0.05-0.76 mg/kg) and glyphosate (<0.3-5.01 mg/kg), and then cadmium (0.022-0.102 mg/kg). Experimental semivariograms were plotted to model the spatio-temporal correlation of analytes within consignments during loading. Analyses demonstrated that distributions of contaminants and residues within a particular consignment differed, and that distributions of a particular contaminant or residue differed among consignments. The results indicate that sampling during only a portion of a loading or unloading process can result in a composite sample that is not representative of the consignment and thus increase the risk of misclassifying a consignment as compliant.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,241
Écart entre enseignants0,224 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood Additives & Contaminants Part AMême sujetMycotoxins in Agriculture and FoodTravaux en français237 207