Assessment of Contamination and Compliance in Imported Spices, Herbs, Seasonings, Coffee, and Tea in the UAE
Notice bibliographique
Résumé
The physicochemical quality and safety profile of spices, herbs, seasoning, tea, and coffee imported into the United Arab Emirates (UAE) between 2017 and 2021 were evaluated in this study. A total of 6736 samples were analyzed for 55 routine tests of which 409 (6%) were found to be noncompliant for one or more criteria indicating potential adulteration or contamination of studied samples. Herbs had the highest percentage of noncompliance at 20/187 or 11% regardless of sample size compared to tea and spices, where the second and third highest percentage of noncompliance were found at 9% (87/965) and 7% (208/2953), respectively. Among the different regulatory criteria, persistent organic pollutants (POPs) were the most frequent cause of noncompliance in spices, followed by moisture content and water extract in tea samples (83 noncompliant results). Regarding the origin of the imported samples, those from India were most often rejected (155/2860) but there was a low noncompliance rate of 5.4%. In contrast, samples imported from Taiwan had the greatest non-compliance rate at 60% or 6/10 samples. This study revealed that seasonings, spices, herbs, coffee, and tea are at risk of contamination and fraud. These everyday products can pose significant danger that is often overlooked. Despite the overall low percentage of noncompliance, there is an urgent need for better quality control to protect consumers and ensure these items are safe for use.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».