基于ChatGPT的元分析,用于评估中国小麦中脱氧尼瓦伦醇污染的时间和空间特征
Chuanzhi Jiang1, Sen Li2, Di Cai2
1School of Computer and Artificial Intelligence, Beijing Technology and Business University, Beijing, China; Beijing Key Laboratory of Big Data Technology for Food Safety, Beijing Technology and Business University, Beijing, China; Academy of National Food and Strategic Reserves Administration, Beijing, China.
Journal of hazardous materials
|September 20, 2024
概括
中国小麦中脱氧尼瓦伦醇 (DON) 污染显示出显著的区域和年差异. 这项研究使用了ChatGPT辅助的元分析来有效评估DON水平,发现湿度和降水是关键影响因素.
科学领域:
- 食品安全 食品安全
- 菌类毒理学 菌类毒理学
- 农业科学 农业科学
背景情况:
- 脱氧尼瓦伦醇 (DON) 是小麦中普遍存在的真菌毒素,对食品安全构成风险.
- 关于中国小麦DON污染的系统数据有限,这阻碍了全面的风险评估.
- 以前的评估缺乏有效的方法来进行大规模的文献审查.
研究的目的:
- 系统分析2010-2021年中国小麦中DON的时空污染状况.
- 评估ChatGPT辅助的分析方法在真菌毒素研究中的效率.
- 调查气候因素对小麦DON污染水平的影响.
主要方法:
- 采用了元分析方法,利用ChatGPT进行了优化文献选和数据提取.
- 分析了2010年至2021年间发表的1091篇文章.
- 基于省份和年份进行了元子组分析,并对气候因素进行了相关性分析.
主要成果:
- 与手工方法相比,ChatGPT辅助的元分析表明,工作效率增加了20.5倍.
- 在中国的小麦种植地区观察到DON污染的显著时空异质性.
- 在小麦生长季节的相对湿度和降水被确定为影响DON度的主要因素.
结论:
- 一种新的ChatGPT辅助元分析方法显著提高了获取和分析科学文献的效率.
- 了解DON污染的时空动态对于中国有效的风险管理至关重要.
- 气候因素在塑造DON污染模式方面发挥着关键作用,需要综合监测和缓解策略.


