MétaCan
Menu
Retour à la cohorte
Enregistrement W4416443270 · doi:10.5376/be.2025.15.0009

Construction and Evaluation of a Quality Control Index System for Compound Dietary Fiber Formulations

2025· article· W4416443270 sur OpenAlexvenueno aff

Notice bibliographique

RevueBiological Evidence · 2025
Typearticle
Langue
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDietary fiberQuality (philosophy)Production (economics)FiberConsistency (knowledge bases)Control (management)

Résumé

récupéré en direct d'OpenAlex

Based on the basic characteristics of compound dietary fiber preparations, this study proposed a comprehensive quality control index system, including physicochemical property indicators (such as total dietary fiber content, particle distribution and particle size), functional indicators (such as water absorption and fermentation performance), safety indicators (such as heavy metal content and microbial limit), and sensory and stability indicators (such as appearance and storage stability). The study found that different irrigation conditions, processing technology and formula design significantly affected the physicochemical properties and functionality of the preparations, among which the ratio of soluble to insoluble fiber in the formula was the key influencing factor. The quality control system optimized based on the research results effectively improved the stability, consumer acceptance and market competitiveness of the products in practical applications. The quality control system can effectively evaluate the comprehensive quality of compound dietary fiber preparations, ensure the consistency of their function and safety, and provide a theoretical basis for optimizing production processes and improving market competitiveness. This study not only provides an important reference for the standardized production of compound dietary fiber preparations, but also establishes a model for quality control research in the functional food industry.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,216
Tête enseignante GPT0,401
Écart entre enseignants0,184 · 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'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiological EvidenceMême sujetFood composition and propertiesTravaux en français237 207