Discussion on standard management of food additives nitrate and nitrite in meat products
Notice bibliographique
Résumé
ObjectiveAnalyze the food safety standard management of food additives nitrate and nitrite used in meat products.MethodsThe future direction of national food safety standard management is discussed through the analysis of the standards of Codex Alimentarius, the United States of America, Canada, the European Union, Australia, New Zealand, Japan, Republic of Korea and China, combined with risk assessment results, monitoring data and food poisoning incident data.ResultsFrom the perspective of process control, operability of final product testing and practical detection at import-export ports, the United States of America, Canada, Australia and New Zealand set the maximum use level, while Japan and the Republic of Korea set the maximum residual level. At the same time, the European Union sets the maximum use level or residual level according to the specific food products. China sets both the maximum use level and the residual level, and the N-dimethyl nitrosamine is regulated as pollutant in the corresponding food categories. The dietary exposure result indicates that nitrate and nitrite used as food additives have a low contribution to dietary exposure, therefore they pose low food safety risks to the public.ConclusionAlthough maintaining the maximum use level and residual level of nitrate and nitrite in the food safety standard is in line with the process control principles and actual regulatory requirements, it is still recommended to continue to carry out research on improvement of food processing technology and alternatives of these food additives, and it is necessary to go on promoting food safety education for consumers and catering industry to prevent food poisoning caused by misuse of nitrites and nitrates.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».