کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7620115 1494491 2016 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Validation of multivariate classification methods using analytical fingerprints - concept and case study on organic feed for laying hens
ترجمه فارسی عنوان
اعتبار سنجی روش های طبقه بندی چند متغیره با استفاده از اثر انگشت های تحلیلی - مفهوم و مطالعه موردی در مورد خوراک ارگانیک برای مرغ تخمگذار
کلمات کلیدی
اعتبار، اعتباربخشی، تقلب غذا، تجزیه و تحلیل غذا و خوراک، ترکیب غذا، طبقه بندی احتمالاتی، مدل پیش بینی، اعتبار چند متغیره، تجزیه و تحلیل غیر هدفمند،
ترجمه چکیده
روش های طبقه بندی چند متغیره بر اساس اثر انگشت های تحلیلی کاربرد زیادی در زمینه غذا و غذا پیدا کرده اند، اما کاربرد عملی هنوز ناچیز است به دلیل عدم وجود یک روش معتبر اعتبار عمومی. این مقاله یک روش جدید برای اعتبارسنجی این نوع روش ها پیشنهاد می کند. بخشی از روش اعتباربخشی نیاز به توصیف جنبه های کیفی دارد: هدف و هدف روش و کافی از مجموعه های نمونه مورد استفاده. عملکرد کمی مورد نیاز از داده های احتمالی ارزیابی می شود. توزیع احتمالات با استفاده از برآورد تراکم هسته توزیع می شود که به آن امکان می دهد درونگیری معناداری و مقایسه مستقیم و ترکیبی توزیع های مختلف. ما پیشنهاد می کنیم که یک تست جایگزینی را پیشنهاد دهیم و پیشنهاداتی را برای ارزیابی تکرارپذیری تحلیلی در واحدهای احتمالاتی روش ارائه کنیم. این می تواند به عنوان یک ابزار کنترل کیفیت عمل کند. برای ارزیابی عملکرد کلی روش، پیشنهاد می کنیم که اعتبارسنجی ترکیبی و توزیع های احتمالی مجموعه اعتبار سنجی خارجی را برای به دست آوردن بهترین برآورد برای عملکرد روش در نمونه های آینده اعمال کنیم. جنبه های کیفی و کمی باید در یک پرونده اعتبار سنجی ترکیب شوند که عملکرد را برای یک هدف و محدوده مشخص تعریف کند. رویکرد اعتبار سنجی پیشنهادی برای مطالعه موردی اعمال می شود: یک دسته بندی باینری که آلی را از خوراک دام معمولی مبتنی بر اسید چرب تشکیل می دهد که برای اطمینان از وضعیت ارگانیک تخم مرغ برای مصرف انسان ضروری است. برای این مطالعه موردی، یک دقت مورد انتظار برای شناسایی علوفه غذایی 96٪ برای یک دامنه مشخص شده به دست آمده است.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی
Multivariate classification methods based on analytical fingerprints have found many applications in the food and feed area, but practical applications are still scarce due to a lack of a generally accepted validation procedure. This paper proposes a new approach for validation of this type of methods. A part of the validation procedure requires a description of qualitative aspects: the method's goal and purpose and adequateness of the sample sets used. The required quantitative performance is assessed from probabilistic data. Probability distributions are generalized using kernel density estimates, which allow meaningful interpolation and direct comparison and combination of different distributions. We propose inclusion of a permutation test, and provide suggestions for the assessment of the analytical repeatability in the method's probabilistic units. The latter can serve as a quality control measure. For assessment of the method's overall performance, we propose to apply the combined cross validation and external validation set probability distributions in order to obtain the best estimate for the method's performance on future samples. Qualitative and quantitative aspects are to be combined into a validation dossier stating performance for a well-defined purpose and scope. The proposed validation approach is applied to a case study: a binary classification discriminating organic from conventional laying hen feed based on fatty acid profiling that is essential to ensure the organic status of eggs for human consumption. For this case study, an expected accuracy for organic feed recognition of 96% is obtained for an explicitly defined scope.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Food Composition and Analysis - Volume 51, August 2016, Pages 15-23
نویسندگان
, , ,