Azadirachta indica : l’azadirachtine est-elle le seul ingrédient actif ?
Bibliographic record
Abstract
L’azadirachtine serait, selon la littérature, la principale composante à propriétés insecticides dans les extraits de neem, Azadirachta indica , bien que d’autres composés présents dans les extraits peuvent affecter le pouvoir insecticide. Un bioessai a été mis au point pour évaluer le pouvoir insecticide d’extraits de neem en comparaison avec celui d’un produit de référence. Le bioessai a été réalisé à l’aide de larves de drosophile ( Drosophila melanogaster ) placées sur une diète contenant différentes concentrations de BioNEEM® (Safer). Après 14 jours, les pourcentages d’émergence ont été déterminés afin d’obtenir une courbe d’émergence en fonction de la dose d’azadirachtine. Des analyses par CLHP (Chromatographie liquide haute performance) ont été effectuées sur le BioNEEM® et sur plusieurs extraits de neem pour permettre une comparaison entre les résultats obtenus par bioessai et la quantité d’azadirachtine contenue dans l’extrait. Aucune relation entre la quantité d’azadirachtine et le pouvoir insecticide des extraits de neem testés n’a été trouvée. Ces résultats soulignent l’importance d’évaluer l’effet total insecticide des extraits de neem et non pas uniquement leur concentration en azadirachtine.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".