MétaCan
Menu
Back to cohort
Record W4313039764 · doi:10.57068/simposio.fiperj.342

Estudo da contaminação em vieiras produzidas na Baía da Ilha Grande, Rio de Janeiro

2022· article· pt· W4313039764 on OpenAlexaff
Juliana TOLEDO, Guilherme Búrigo ZANETTE, Renan R. SILVA, Tainá F. DE SOUZA, Giovanna D. J. FRECHIANI, Anna Beatrice T. DOS SANTOS, Janine P. LIMA, Fabiola H.S. FOGAÇA

Bibliographic record

Venuenot available
Typearticle
Languagept
FieldAgricultural and Biological Sciences
TopicFood Safety and Hygiene
Canadian institutionsDiscovery Air (Canada)
Fundersnot available
KeywordsHumanitiesPhysicsChemistryArt

Abstract

fetched live from OpenAlex

O consumo de pescado é recomendado como parte de uma alimentação saudável, pois são fontes conhecidas de proteínas de alto valor biológico, ácidos graxos poli-insaturados, vitaminas e minerais importantes para a saúde humana. Porém, os moluscos têm sido cada vez mais alvos de preocupação para agências e pesquisadores, por apresentarem riscos associados à presença de contaminantes em sua carne, já que são ingeridos preferencialmente crus, sem nenhum processamento e podem ser veículos para contaminantes químicos e biológicos originados no ambiente em que foram cultivados ou durante e/ou após o processamento. As vieiras (Nodipecten nodosus) são organismos marinhos com elevado valor nutricional, de grande interesse para a aquicultura mundial e brasileira por serem muito apreciadas pelo sabor e textura. Porém, por ser um pescado delicado, sua qualidade está diretamente ligada ao ambiente em que elas são produzidas, da água de onde vivem, além dos cuidados no processo de manipulação para retirada da carne das conchas e armazenamento refrigerado adequado. No Brasil, a legislação permite que moluscos possam ser submetidos a tratamentos complementares para eliminação de microrganismos patogênicos por meio da depuração, do tratamento térmico ou da remoção de vísceras e gônadas. Nosso estudo tem como objetivo estabelecer parâmetros para monitorar a qualidade das vieiras, para resguardar a qualidade higiênicosanitária e a confiança do consumidor, promovendo um consumo seguro. Foram realizadas amostragens mensais das vieiras de agosto de 2021 a maio de 2022, em três fazendas marinhas de produção de vieiras no Rio de Janeiro (Ponta da Aripeba, Bananal e Gipóia), e realizado o controle da qualidade de água (pH, salinidade, temperatura, oxigênio, condutividade), dos parâmetros morfológicos (tamanhos, peso, mortalidade e rendimento de carne) e da presença de micro-organismos patogênicos (E. coli, Salmonella spp., Staphylococcus Aureus, bolores e leveduras e bactérias aeróbias mesófilas). Nenhum de nossos resultados demonstrou parâmetros preocupantes e todas as amostras estavam dentro dos limites estabelecidos pela legislação brasileira e são consideradas seguras para o consumo. Posteriormente, serão realizadas as análises de metais, organoclorados e biotoxinas, que não puderam ser realizadas por dificuldades impostas pela pandemia de COVID-19. Com todos estes resultados, poderemos estabelecer protocolos específicos e confiáveis para o monitoramento da qualidade das vieiras, ajudando na confiabilidade e estímulo à economia local.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.085
Threshold uncertainty score0.169

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0020.003
Science and technology studies0.0010.001
Scholarly communication0.0020.000
Open science0.0010.001
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.038
GPT teacher head0.246
Teacher spread0.208 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same topicFood Safety and HygieneFrench-language works237,207