Green Alternatives to Nitrates and Nitrites in Meat-based Products–A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several food additives are added in food for their preservation to maintain the freshness of food (antioxidants) or to slow down or stop the growth of microorganisms (preservative agents). Nitrites and nitrates are used as preservative agents in meat. Nitrites give a smoked taste, a pinkish color in the meat and protect the consumers against the risk of bacterial deterioration. Their addition is however very limited as, in high dose, it can have risks on human health and the environment. Nitrites may also combine with secondary or tertiary amines to form N-nitroso derivatives. Certain N-nitroso compounds have been shown to produce cancers in a wide range of laboratory animals. Thus, alternatives of nitrates and nitrites are the object of numerous research studies. Alternatives, such as the addition of vitamins, fruits, chemicals products, natural products containing nitrite or spices, which have similar properties of nitrites, are in evaluation. In fact, spices are considered to have several organoleptic and anti-microbial properties which would be interesting to study. Several spices and combinations of spices are being progressively evaluated. This review discusses the sources of nitrites and nitrates, their use as additives in food products, their physicochemical properties, their negatives effects and the use of alternatives of nitrites and nitrates in preserving meat products.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle