Fatty Acids in Chinese Edible Oils: Value of Direct Analysis as a Basis for Labeling
Notice bibliographique
Résumé
Edible oil is an important element in the diet of most transitional countries; nevertheless, little is known about the fatty acid composition of these oils. We examined the consumption of edible oils and the fatty acid composition of these oils obtained from a market survey conducted in seven Chinese provinces and in Beijing. Three days of measured household food intake from the 1997 China Health and Nutrition Survey households provided data on the consumption of edible oils. Edible oils sold in the capital cities of eight provinces were purchased. One hundred twenty-six samples, representing 14 different oils according to their labels, were assayed for their fatty acid content in 2001. Fatty acids were analyzed by standard gas chromatographic methods. More than 76% of households in China consume edible oil, providing an average of 29.6 g of edible oil per day to persons aged two years or older. Rapeseed was consumed by one-quarter of individuals. Rapeseed is rich in C22:1n9 cis (erucic acid). About 33% of edible oils differed from their labeled identification. Rapeseed oil, identified by the presence of C22:1n9 (erucic acid), was most frequently not labeled as such. In another 28% of the samples, trans isomers of linolenic acid were detected. Deviations from the label identification were more common in southern than in northern provinces. Regulations requiring complete labeling of mixed edible oils in China might help prevent unintentional consumption of fatty acids associated with adverse health outcomes. In particular, consumption of erucic acid and trans fatty acids might be reduced. The results suggest the need for closer control of food oil labeling in China, especially in the South.
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 | 0,001 |
| 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 ».