MétaCan
Menu
Retour à la cohorte
Enregistrement W4407368533 · doi:10.1007/s00217-025-04672-7

The effect of year and variety on the nutritional value of Camelina sativa meal

2025· article· en· W4407368533 sur OpenAlexfundno aff
Angela R. Piergiovanni, Barbara Alberghini, Federica Zanetti, Elena Ponzoni, I. Brambilla, Incoronata Galasso

Notice bibliographique

RevueEuropean Food Research and Technology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid metabolism and biosynthesis
Établissements canadiensnon disponible
Organismes subventionnairesHealth Canada
Mots-clésCamelina sativaCamelinaMealFood scienceValue (mathematics)Variety (cybernetics)BiotechnologyAgronomyBiologyMathematicsStatisticsCrop

Résumé

récupéré en direct d'OpenAlex

Camelina [ Camelina sativa (L.) Crantz] is emerging as a promising crop due to its high oil content of seeds with a predominance of unsaturated fatty acids, and good protein content of defatted meal. This study investigated the nutritional composition of defatted camelina meal obtained from four varieties (three from Canada and one from Austria) grown in the Padana Plain (northern Italy) for four consecutive years (2016–2019). Statistical analyses were performed based on the collected data. Principal Component Analysis (PCA) revealed distinct nutritional profiles among varieties and growing seasons. Calena, the Austrian variety, exhibited good nutritional quality and stability over the years. Pearl showed an intermediate year-to-year stability but promising values for trypsin inhibitors, condensed tannins and in vitro digestibility. The anomalous quantity of rainfall recorded during the early stage of seed development in 2019 allowed us to state that extreme climatic events can significantly affect the seed composition of the camelina varieties. This makes it clear that varietal and environmental factors need to be considered to produce a crop that can be fed to livestock.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,269
Écart entre enseignants0,259 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEuropean Food Research and TechnologyMême sujetLipid metabolism and biosynthesisTravaux en français237 207