MétaCan
Menu
Retour à la cohorte
Enregistrement W2011791131 · doi:10.1111/j.1365-2621.2000.tb13584.x

Diffusion of Acetic and Propionic Acids from Chitosan‐based Antimicrobial Packaging Films

2000· article· en· W2011791131 sur OpenAlexaff
B. Ouattara, R.E. Simard, G. Piette, André Bégin, Richard A. Holley

Notice bibliographique

RevueJournal of Food Science · 2000
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensMinistère de l'Agriculture, des Pêcheries et de l'AlimentationAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésCinnamaldehydeAcetic acidChemistryChitosanDiffusionLauric acidNuclear chemistryEugenolArrhenius equationActivation energyOrganic chemistryCatalysisFatty acid

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The diffusion of acetic or propionic acids from thin (44 to 54 μm) chitosan‐based antimicrobial packaging films in which they were incorporated was measured after immersion of the films in water, and the effects of pH (5.7, 6.4, or 7.0) and temperature (4 °C, 10 °C, or 24 °C) on diffusion were investigated. The kinetics of acetic‐ and propionic‐acid release deviated from the Fickian model of diffusion. Diffusion was found to be unaffected by pH in the range of values tested, but a decrease in temperature from 24 °C to 4 °C resulted in a reduction of diffusion coefficients from 2.59 × 10 −12 m 2 .s −1 to 1.19 × 10 −12 m 2 .s −1 for acetic acid and from 1.87 × 10 −12 m 2 .s −1 to 0.91 × 10 −12 m 2 .s −1 for propionic acid. The effect of temperature on diffusion was well (r 2 > 0.9785) described by an Arrhenius‐type model with activation energies of 27.19 J.mole −1 (acetic) and 24.27 J.mole −1 (propionic). Incorporation of lauric acid or essential oils (cinnamaldehyde or eugenol) into the chitosan film at the time of preparation produced a subsequent reduction in the diffusion of acetic or propionic acid, and maximum effects were obtained with lauric acid and cinnamaldehyde incorporated to final concentrations of 1.0% and 0.5% (w/w), respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), 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

Citations280
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetNanocomposite Films for Food PackagingTravaux en français237 207