Improving nutritional intakes and reducing metal(loid) exposures from wild fish broth among Inuit pregnant women
Notice bibliographique
Résumé
Recipes made with local country foods are central to Inuit culture and nutrition. Recipes are recommended for their different health benefits, such as a wild fish broth recipe that is said to help the baby's growth during pregnancy and with lactation. However, some country foods can have high concentrations of potentially toxic metal(loid)s such as mercury (Hg), arsenic (As) or cadmium (Cd), and it is unknown to what extent these are transferred to the broth. During pregnancy, there are higher risks of developing iron (Fe) and calcium (Ca) deficiencies. A simple way to optimize the nutrient content of recipes is by adding other ingredients like seaweed, bivalves (mussels and clams) or a Lucky Iron Fish® known to be rich in these nutrients. Using an experimental approach, nutrient (essential elements and fatty acids) and metal(loid) transfer to broth were studied by measuring their concentrations in ingredients and broth. Most fish, seaweeds and bivalves were important sources (>20 % of the daily intakes) of nutrients required for healthy pregnancies. Several nutrients were transferred to the broth by these ingredients, but only fish broth was an important source of nutrients. The Lucky Iron Fish was a potential source of iron when preconditioned. Total Hg concentrations were elevated in lake trout muscles and cheeks (up to 4.5 μg/g ww; >90 % in methylated form) but were not a concern in other fish species. Few metal(loid)s were transferred to the broth, except arsenic (As). Total As concentrations were high in some raw seaweeds and most broths, but the less toxic organic forms were mainly found. Overall, wild fish broths were relatively low in nutrients and toxic forms of metal(loid)s. Adding local ingredients such as seaweed and bivalves could increase nutrient intake from fish broth if consumed as a whole.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».