MétaCan
Menu
Retour à la cohorte
Enregistrement W2001297862 · doi:10.1111/j.1365-2621.2004.00744.x

The effect of washing on physicochemical changes in packaged, sliced green peppers

2004· article· en· W2001297862 sur OpenAlexaff
P.M.A. Toivonen, S. Stan

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésDistilled waterChemistryAcetaldehydePepperChlorineFood sciencePhenolsHorticultureChromatographyEthanolBiochemistryOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Whole green bell peppers (Capsicum annuum L.) were obtained through a local fresh-cut company. They were washed in a 100 ppm chlorine solution, dried and then sliced into 0.5-cm wide strips. A bulk sample of slices was divided into four treatments: (1) no wash, (2) one wash in fresh distilled water, (3) two sequential washes in fresh distilled water, and (4) three sequential washes in fresh distilled water. Retention of firmness of the pepper slices during storage at 7 °C improved with the number of washes after cutting. The modification of package atmosphere was less in all wash treatments than in the ‘no wash’ control. The sliced tissues of ‘no wash’ controls had higher levels of acetaldehyde and ethyl acetate. Analysis of the wash water revealed that sequential washes with water removed incremental amounts of acetaldehyde and soluble phenols from the cut surfaces of the tissue. These results show that washing has a dramatic effect on physicochemical measures of quality in green pepper slices, and it is likely that this effect is mediated by the removal of stress-related compounds produced during the cutting operation. While acetaldehyde and total phenolics were the two stress-related compounds measured in the wash water, it may be that other compounds removed in the wash water could have contributed to the beneficial effects on quality reported in this study.

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 enseignants0,085
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,266
Écart entre enseignants0,251 · 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

Citations33
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207