MétaCan
Menu
Retour à la cohorte
Enregistrement W4406122773 · doi:10.1016/j.ecolind.2024.113063

Supply-disposition storage of fresh fruits and vegetables and food loss in the Canadian supply chain

2025· article· en· W4406122773 sur OpenAlexafffundabout
Rumpa Chowdhury, Sharmin Jahan Mim, Anica Tasnim, Kelvin Tsun Wai Ng, Amy Richter

Notice bibliographique

RevueEcological Indicators · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDispositionFood supplySupply chainFood chainFood storageCold storageBusinessEnvironmental scienceFood scienceAgricultural scienceHorticultureBiologyEcologyMarketing

Résumé

récupéré en direct d'OpenAlex

Analyzing transportation and storage inefficiencies at the initial stages of the food supply chain is crucial for minimizing early-stage losses and enhancing food lifecycle efficiency. However, most food system studies,focused on retail and consumer stages. This study delves into the intricate dynamics of fresh fruit and vegetable waste generation at the supply-disposition storage stage, aiming to identify distinct waste generation patterns and predict food loss in Canada using regression analysis. Total food waste generation for 64 fresh fruits and vegetables exhibited a notable increase over a 22-year study period from 2000 to 2022, and fresh vegetables consistently surpassed fresh fruits in average waste generation by 25.9 %. Despite a higher per capita waste generation for fresh vegetables (1.26 kg∙cap-1∙year−1), the steeper growth rate in fruit waste emphasizes the need for nuanced strategies for each category at the supply-disposition storage. The waste generation showed a positive linear relationship with supply, imports, and domestic disappearance in the food supply chain (R2 = 0.80 to 0.99, p < 0.0001), denoting a significant potential impact of supply-disposition parameters on individual waste generation. Two distinct regression models were developed to forecast fresh fruits and vegetables waste generation, and both demonstrated high predictability (0.924 ≤ R2 ≤ 0.975) and low RMSE values (1.571 ≤ RMSE ≤ 3.318). Imports and exports appear crucial to minimize food loss at supply and disposition storage. The proposed analytical approach can be beneficial elsewhere to enhance fresh food supply inventory management and minimize food loss at a global level.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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'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

Citations13
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcological IndicatorsMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207