MétaCan
Menu
Retour à la cohorte
Enregistrement W1996899489 · doi:10.1080/21551197.2014.927307

The Effect of Varying Ingredient Composition on the Sensory and Nutritional Properties of a Pureed Meat and Vegetable

2014· article· en· W1996899489 sur OpenAlexaff
Nila Ilhamto, Heather Keller, Lisa M. Duizer

Notice bibliographique

RevueJournal of Nutrition in Gerontology and Geriatrics · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSeasoningFood scienceIngredientSkimmed milkFlavorStarchRecipeCorn starchComposition (language)Chemistry

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to investigate the effects of ingredients and preparation methods on the sensory and nutritional properties of pureed turkey and carrots. Turkey samples varying in added liquid and muscle composition were developed. Seasoning application methods were also studied. Pureed carrots were formulated with no added thickener, added modified corn starch, rice cereal, or skim milk powder. Small changes in added liquid and seasoning application altered the perceived texture of the turkey. Pureed carrots with added modified corn starch were more slippery and firm than other samples. The addition of skim milk powder or rice cereal did not alter sensory properties but led to higher protein contents when compared to unthickened carrots. In-house formulations did not differ in sensory ratings of appearance and flavor when compared to commercial products but contained more carbohydrates. Modest changes in recipes for pureed products can improve sensory appeal and nutrient density; quality in-house products are feasible with only minor 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)0,001
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 enseignants0,012
Score d'incertitude au seuil0,170

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,016
Tête enseignante GPT0,240
Écart entre enseignants0,224 · 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

Citations18
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition in Gerontology and GeriatricsMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207