Notice bibliographique
Résumé
Objectives: Microplastic contamination of the global food supply chain poses serious risks to food safety and human health. This narrative review evaluates the contamination levels in various food products, detection methods, associated health risks, and existing regulatory measures. Methods: This review, conducted per PRISMA guidelines, assessed global microplastic contamination in the food supply chain from 2007–2022. A comprehensive database search identified 32 eligible studies. Data were synthesized narratively across themes: contamination levels, detection methods, health risks, and regulations. Quality assessment followed SANRA and Newcastle-Ottawa guidelines to ensure transparency, reproducibility, and methodological rigor. Results: Microplastics have been found in seafood, dairy, meat, bottled water, and packaged foods, with concentrations varying based on processing and storage conditions. Common detection methods include Fourier transform infrared (FT-IR) spectroscopy, Raman spectroscopy, and scanning electron microscopy (SEM). Seafood exhibited the highest contamination due to marine plastic pollution, whereas bottled water samples showed 93% contamination. Packaged foods stored in plastic containers also had significant microplastic content. Reported health risks include oxidative stress, gut microbiota disruption, inflammation, and toxin bioaccumulation. The lack of standardized detection protocols has contributed to the variability in the reported contamination levels. Conclusion: Microplastic contamination of food is widespread and has significant implications for human health. While detection methods are improving, regulatory measures remain inconsistent. Urgent action is needed to establish standardized protocols, stricter policies, and further research to assess long-term health risks and mitigate contamination.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».