MétaCan
Menu
Retour à la cohorte
Enregistrement W7162022265 · doi:10.82308/48154

Purslane (Portulaca oleracea L.) an excellent source of omega-3 and omega-6 fatty acids with abatement of risk factors

2014· dissertation· en· W7162022265 sur OpenAlexaboutno aff
Sara Eljach Mosquera

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueAntioxidants, Aging, Portulaca oleracea
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisEnvironmental factorDetoxicationEnvironmental pollutionUnsaturated fatty acid

Résumé

récupéré en direct d'OpenAlex

Les plantes sauvages, généralement non-consommés dans l'alimentation quotidienne, pourraient représenter une grande source d'éléments nutritifs pour les humains; le pourpier est une plante connue comme une mauvaise herbe, il est connu pour avoir une concentration élevée d'acides gras (α-3 and α -6), des composants essentiels pour la santé de l'Homme. L'objectif de cette étude était de déterminer comment l'azote et la photopériode affectent la concentration des acides gras du pourpier, ainsi que la concentration de l'acide oxalique (composant avec un effet légèrement négatif sur la santé de des humains). Neuf accessions de pourpier en provenance du Canada, d'Afghanistan, d'Arabie Saoudite, de Syrie et d'Iran ont été étudiées, des chambres de croissance ont été utilisées pour assurer un environnement de croissance maîtrisée. Deux ratios de nitrate d'ammonium: (50:50 et 25:75) ont été étudiés associés à deux photopériodes (12 et 16 heures). L'analyse statistique a été réalisée à l'aide d'un modèle factoriel à trois niveaux. Les résultats indiquent que les plantes cultivées en dessous de 12 heures de photopériode et 50:50 N03: NH4 + ont eu les plus grandes valeurs de concentration de l'acide linoléique et l'acide ⍺-linolénique et la plus faible concentration de l'acide oxalique, en terme de feuilles et de tiges de pourpier. Parmi toutes les accessions étudiées, l'accession du Québec représentait la culture la plus viable pour la consommation humaine.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,329
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,242 · 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.

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAntioxidants, Aging, Portulaca oleraceaTravaux en français237 207