Notice bibliographique
Résumé
Abstract Numerous analytical methods are routinely used for measuring lipid oxidation in foods. However, there is no uniform and standard method for detecting all oxidative changes in all food systems. Therefore, it is necessary to select a proper and adequate method for a particular application. The available methods to monitor lipid oxidation in foods can be classified into five groups based on what they measure: the absorption of oxygen, the loss of initial substrates, the formation of free radicals, and the formation of primary and secondary oxidation products. A number of physical and chemical tests, including instrumental analyses, have been employed in laboratories and the industry for measurement of various lipid oxidation parameters. These include the weight‐gain and headspace oxygen uptake method for oxygen absorption: chromatographic analysis for changes in reactants; iodometric titration, ferric ion complexes, and Fourier transform infrared (FTIR) method for peroxide value; spectrometry for conjugated dienes and trienes, 2‐thio‐barbituric acid (TBA) value, p ‐anisidine value ( p ‐AnV), and carbonyl value; Rancimat and Oxidative Stability Instrument method for oil stability index; and electron spin resonance (ESR) spectrometric assay for free‐radical type and concentration. Other techniques based on different principles, such as differential scanning calorimetry (DSC) and nuclear magnetic resonance (NMR), have also been used for measuring lipid oxidation. In addition, sensory tests provide subjective or objective evaluation of oxidative deterioration, depending on certain details.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,008 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».