MétaCan
Menu
Retour à la cohorte
Enregistrement W1598475291 · doi:10.1111/1750-3841.12252

Sensory Evaluation of Dry‐fermented Sausage Containing Ground Deodorized Yellow Mustard

2013· article· en· W1598475291 sur OpenAlexafffund
Shuliu Li, Michel Aliani, Richard A. Holley

Notice bibliographique

RevueJournal of Food Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFood scienceStarterFlavorChemistryFermentationMustard seedSensory analysis

Résumé

récupéré en direct d'OpenAlex

Ground deodorized yellow mustard is used as a binder and meat protein substitute in cooked processed meat products. Recent studies have shown that it has the potential to be used in uncooked processed meat products because of its natural antimicrobial properties. In the present study, ground deodorized yellow mustard was added to uncooked dry-fermented sausage during manufacture at 1% to 4% (w/w) and analyzed for its effects on starter cultures, physico-chemical properties, and consumer acceptability. Mustard had a nondose-dependent inhibitory effect on the Staphylococcus starter culture, had no effect on water activity or instrumental texture, and tended to accelerate sausage pH reduction. At 3% and 4% mustard, consumer scores on all sensory attributes as well as overall acceptability were significantly lower. The appearance and color of 3% and 4% mustard-treated sausages were liked slightly, whereas flavor, texture, and overall acceptability scores were reduced. The control without mustard and 1% mustard-treated sausages had similar sensory properties and were the most acceptable, while 2% mustard-treated sausages were given "like moderately" and "like slightly" descriptors. Sensory results mean that at concentrations necessary for mandated regulatory control of Escherichia coli O157:H7 in dry sausages, mustard may have a negative effect on consumer acceptance.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,121
Tête enseignante GPT0,308
Écart entre enseignants0,187 · 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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207