MétaCan
Menu
Retour à la cohorte
Enregistrement W1577528573 · doi:10.1111/j.1365-2621.2010.02535.x

Impact of β‐glucan and other oat flour components on physico‐chemical and sensory properties of extruded oat cereals

2011· article· en· W1577528573 sur OpenAlexaff
Ni Yao, Pamela J. White, Sajid Alavi

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2011
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensVineland Research and Innovation Centre
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésFood scienceGlucanAromaChemistryBeta-glucanTasteAvenaWhole grainsAgronomyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Summary Whole oat flour, N979‐5‐2‐4 (N979), IA95111 (IA95), ‘Jim’ and ‘Paul’ with β‐glucan concentration of 8.6%, 7.6%, 5.3%, and 5.9%, respectively, was made into extruded breakfast cereal (EBC). EBC β‐glucan had greater peak molecular weight than corresponding whole oat flour. Both whole oat flour and EBC from N979 and IA95 had greater peak viscosity (PV), as measured using a Rapid ViscoAnalyser, than that from Jim or Paul. Bile acid binding of EBC, correlated with total β‐glucan concentrations and PV, was either similar or greater than that of corresponding whole oat flour. Jim EBC had the least expansion ratio, lowest brown colour and cereal aroma but greatest tooth packing values. Paul and N979 EBC, although different from each other in a few sensory attributes, had similar acceptability as judged from a consumer test, suggesting that oats with elevated β‐glucan concentrations can be successfully incorporated into EBC with minimal processing alterations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,070
Tête enseignante GPT0,301
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetFood composition and propertiesTravaux en français237 207