Results of the COOMET 881/RU-a/23 pilot comparisons in the field of measuring the nutritional value of soy flour

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

To ensure the reliability of measurements of the content of proteins, fats, moisture and ash in food products and food raw materials, it is necessary to use reference materials similar in composition to the analyzed samples and traceable to measurement standards and / or measurement results of national metrology institutes. The equivalence of measurement results from national metrological institutes should be confirmed in key comparisons. The results of the COOMET 881/RU-a/23 pilot comparisons in the field of measurements of the nutritional value of soy flour conducted in 2024 are presented as a preparatory stage before organizing key comparisons in this field. The national metrology institutes of Russia, the Kyrgyz Republic and China took part in the comparisons. Samples of defatted and semi-defatted soy flour composition with preliminarily studied homogeneity and stability were used as samples for comparisons. The measured characteristics were mass fractions of moisture, nitrogen, protein, crude fat and ash. When carrying out measurements, the participants used measurement methods implemented on standard measurement equipment, as well as primary reference measurement procedures. When assessing the uncertainty, the participants took into account the uncertainty components caused by the following: discrepancy between the results of parallel determinations; rounding of measurement results; direct measurements of quantities included in measurement equations; fulfillment of conditions for achieving constant mass after drying, extraction and ashing; deviation of measurement conditions from optimal values. In comparisons, consistent measurement results for mass fraction of moisture, nitrogen, protein and crude fat with expanded uncertainties (at the coverage rate 2) 0.06–0.12 %, 0.034–0.060 %, 0.19–0.40 %, 0.04–0.08 % respectively were obtained. It is two to eight times higher than the accuracy of standard measurement procedures (methods). The observed discrepant measurement result of the ash mass fraction obtained by one participant in the comparisons is due to the empirical nature of the measured value. In the case of measuring the values of empirical quantities, consistency of results can be achieved by strictly establishing the conditions for performing measurements and the permissible limits of their variation. The comparison results are planned to be used in the preparation of proposals for conducting key comparisons in the field of measuring the nutritional value of soy flour.

About the authors

A. S. Sergeeva

Ural Scientific Research Institute for Metrology – Affiliated Branch of the D. I. Mendeleyev Institute for Metrology

Email: sergeevaas@uniim.ru
ORCID iD: 0000-0001-8347-2633

O. S. Golynets

Ural Scientific Research Institute for Metrology – Affiliated Branch of the D. I. Mendeleyev Institute for Metrology

Email: golynets_olga@uniim.ru
ORCID iD: 0000-0002-6975-7744

A. M. Aksupova

Bishkek Centre for Testing, Certification and Metrology

Email: aksaigul2105@mail.ru

Guo Zhen

National Institute of Metrology

Email: guozh@nim.ac.cn
ORCID iD: 0000-0001-6044-7961

Zhao Bo

National Institute of Metrology

Email: zhaobo@nim.ac.cn
ORCID iD: 0009-0009-3458-9419

Shi Ling

National Institute of Metrology

Email: shiling@nim.ac.cn
ORCID iD: 0000-0002-8104-5299

Zhou Xia

National Institute of Metrology

Email: zhouxia@nim.ac.cn
ORCID iD: 0000-0001-9601-4092

Zhao Guangliang

National Institute of Metrology

Email: 13331128003@163.com

Li Xiuqin

National Institute of Metrology

Email: lixq@nim.ac.cn
ORCID iD: 0000-0001-5885-0807

References

  1. Нечаев А. П., Траубенберг А. А., Кочеткова А. А., Колпакова В. В., Витол И. С., Кобелева И. Б. Пищевая химия. ГИОРД, Санкт-Петербург (2007).
  2. Beecher G. R. Evolution of food composition knowledge in the United States from its beginning. Journal of Food Composition and Analysis, 126, 105802 (2024). https://doi.org/10.1016/j.jfca.2023.105802
  3. Nielsen S. S. Food Analysis, 5th ed. Springer, New York (2017).
  4. Md Noh M. F., Gunasegavan R. D.-N., Mustafa Khalid N., Balasubramaniam V., Mustar S., Abd Rashed A. Recent techniques in nutrient analysis for food composition database. Molecules, 25, 4567 (2020). https://doi.org/10.3390/molecules25194567
  5. Wang P., Huang J., Sun J., Liu R., Jiang T., Sun G. Evaluating the nutritional properties of food: a scoping review. Nutrients, 14(11), 2352 (2022). https://doi.org/10.3390/nu14112352
  6. Сергеева А. С. Актуальные вопросы определения содержания жира в пищевых продуктах и продовольственном сырье (обзор). Эталоны. Стандартные образцы. 20(1), 59–84 (2024). https://doi.org/10.20915/2077-1177-2024-20-1-59-84
  7. Васильева И. Е., Шабанова Е. В. Стандартные образцы растительных материалов – инструмент обеспечения единства химических измерений в геохимии, экологии, сельском хозяйстве и фармакологии. Эталоны. Стандартные образцы, 17(2), 33–47 (2021). https://doi.org/10.20915/2687-0886-2021-17-2-33-47
  8. Студенок В. В., Кремлева О. Н. Стандартные образцы в системе метрологического обеспечения количественного анализа. Заводская лаборатория. Диагностика материалов, 85(1(II)), 130–134 (2019). https://doi.org/10.26896/1028-6861-2019-85-1-II-130-134
  9. Phillips M. M., Sharpless K. E., Wise S. A. Standard reference materials for food analysis. Analytical and Bioanalytical Chemistry, 405(13), 4325–4335 (2013). https://doi.org/10.1007/s00216-013-6890-5
  10. Wise S. A., Phillips M. M. Evolution of reference materials for the determination of organic nutrients in food and dietary supplements-a critical review. Analytical and Bioanalytical Chemistry, 411(1), 97–127 (2019). https://doi.org/10.1007/s00216-018-1473-0
  11. Сергеева А. С., Голынец О. С., Вощула Н. В., Аксупова А. М., Жен Гуо, Бо Жао, Линг Ши, Хиа Жоу, Гуанглианг Жао, Хиуяин Ли. Результаты пилотных сличений в области измерений пищевой ценности сухого молока КООМЕТ 880/RU-а/23. Измерительная техника, 73(11), 69–79 (2024). https://doi.org/10.32446/0368-1025it.2024-11-69-79
  12. Горшков В. В., Коряков В. И., Медведевских М. Ю., Медведевских С. В. Государственный первичный эталон единиц массовой доли и массовой концентрации влаги в твёрдых веществах и материалах. Измерительная техника, (4), 24–27 (2010). https://www.elibrary.ru/mvqnbv
  13. Крашенинина M. П., Медведевских М. Ю., Медведевских С. В., Неудачина Л. К., Собина E. П. Оценка метрологических характеристик стандартного образца состава молока сухого с использованием первичного и вторичного государственных эталонов. Измерительная техника, (9), 65–71 (2013). https://www.elibrary.ru/rfmggx
  14. Сергеева А. С., Парфенова Е. Г., Голынец О. С. Разработка первичной референтной методики измерений и стандартных образцов массовой доли сырого жира (масличности) в семенах масличных культур и продуктах на их основе. Эталоны. Стандартные образцы, 16(3), 37–51 (2020). https://doi.org/10.20915/2687-0886-2020-16-3-37-51
  15. Медведевских М. Ю., Сергеева А. С., Крашенинина М. П., Шохина О. С. Государственная первичная референтная методика измерений массовой доли золы в пищевых продуктах и продовольственном сырье. Заводская лаборатория. Диагностика материалов, 85(6), 70–80 (2019). https://doi.org/10.26896/1028-6861-2019-85-6-70-80
  16. Медведевских С. В., Медведевских М. Ю., Карпов Ю. А. Общие подходы к оценке неопределённости результатов воспроизведения единиц содержания воды в твёрдых веществах и материалах. Измерительная техника, (8), 65–70 (2015). https://www.elibrary.ru/umqdrl

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».