MétaCan
Menu
Retour à la cohorte
Enregistrement W4412477511 · doi:10.3390/foods14142493

Multifactorial Evaluation of Honey from Pakistan: Essential Minerals, Antioxidant Potential, and Toxic Metal Contamination with Relevance to Human Health Risk

2025· article· en· W4412477511 sur OpenAlexaff
Sana, Waqar Ahmad, Farooq Anwar, Hammad Ismail, Mujahid Farid, Muhammad Adnan Ayub, Sajjad Hussain Sumrra, Chijioke Emenike, Małgorzata Starowicz, Muhammad Zubair

Notice bibliographique

RevueFoods · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBee Products Chemical Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesUniversity of Gujrat
Mots-clésContaminationHazard quotientToxicologyAntioxidantFood scienceHuman healthIngestionDPPHPotassiumHealth riskEnvironmental chemistryChemistryEnvironmental scienceBiologyEnvironmental healthMedicineEcologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Honey is prized for its nutritional and healing properties, but its quality can be affected by contamination with toxic elements. This study evaluates the nutritional value and health risks of fifteen honey samples from different agro-climatic regions of Pakistan. Physicochemical properties such as color, pH, electrical conductivity, moisture, ash, and solids content were within acceptable ranges. ICP-OES analysis was used to assess six essential minerals and ten toxic metals. Except for slightly elevated boron levels (up to 0.18 mg/kg), all elements were within safe limits, with potassium reaching up to 1018 mg/kg. Human health risk assessments—including Average Daily Dose of Ingestion, Total Hazard Quotient, and Carcinogenic Risk—indicated no carcinogenic threats for adults or children, despite some elevated metal levels. Antioxidant activity, measured through total phenolic content (TPC) and DPPH radical scavenging assays, showed that darker honeys had stronger antioxidant properties. While the overall quality of honey samples was satisfactory, significant variations (p ≤ 0.05) were observed across different regions. These differences are attributed to diverse agro-climatic conditions and production sources. The findings highlight the need for continued monitoring to ensure honey safety and nutritional quality.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,554

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 Opus0,016
Tête enseignante GPT0,288
Écart entre enseignants0,272 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetBee Products Chemical AnalysisTravaux en français237 207