MétaCan
Menu
Retour à la cohorte
Enregistrement W7161648336 · doi:10.61475/jfs.2025.v38i3.18

Sanitary and Phytosanitary measures for the export of Gherkins

2025· article· W7161648336 sur OpenAlexaboutno aff

Notice bibliographique

RevueJournal of Farm Sciences · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood safetyCommodityPhytosanitary certificationAgricultureConsistency (knowledge bases)Baseline (sea)Food contaminantFood products

Résumé

récupéré en direct d'OpenAlex

Gherkins (Cucumis sativus), the small, crunchy cucumbers renowned for their use in pickling and condiments, have emerged as a significant agricultural commodity in India. This study is based on secondary data collected from FAOand analysed using ratio analysis. The results reflect the regulatory standards designed toensuring food safety and consumerprotection by specifying permissible levels for each category of food additive. Maximum levels often align with internationalstandards or Codex Alimentarius guidelines to facilitate trade and ensure consistency in food safety regulations worldwide. Tin (Sn) is a metal that can be present in food due to various processing and packaging methods. The MRL of 250 mg/kg,calculated as Sn, indicates a threshold beyond which tin contamination in food is considered unacceptable. Lead is a toxicheavy metal that can contaminate food through environmental pollution, water, soil and food processing. MRL of lead infood is set at one mg/kg to protect consumers, particularly vulnerable populations such as infants and pregnant women,from the harmful effects of lead exposure. The Codex, set at 72, serves as a baseline for comparison across countries. Deviation from Codex values gives insight into how countries compare to the global average (Codex). For instance, the EUsignificantly surpasses the Codex benchmark with a deviation of 2.81. Conversely, Australia (58) falls below the Codexbenchmark, with a deviation of 0.81, implying fewer AI entities relative to the global average. Using India as a referencepoint (1.00), Canada and the USA have a deviation of 1.04, suggesting a slightly higher number of AI entities compared to India. Malaysia, Brazil and Chile all show deviations close to 0.97, indicating a similar AI presence to that of India. Thegherkins growers need to be educated on the pre-harvest interval of sprays, permissible maximum residue levels, judicioususe of pesticides, insecticides and herbicides.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil0,603

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,065
Tête enseignante GPT0,319
Écart entre enseignants0,254 · 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'étudeObservationnel
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 revueJournal of Farm SciencesMême sujetPotato Plant ResearchTravaux en français237 207