MétaCan
Menu
Retour à la cohorte
Enregistrement W2013720830 · doi:10.1080/09712119.2003.9706424

Effect of Skimmed Milk Powder Incorporation on the Physico-chemical and Sensory Characteristics of Restructured Buffalo Meat Blocks

2003· article· en· W2013720830 sur OpenAlexfundno aff
Sunil Kumar, B. D. Sharma

Notice bibliographique

RevueJournal of Applied Animal Research · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensnon disponible
Organismes subventionnairesDalhousie University
Mots-clésFood scienceSkimmed milkFlavourChemistryTendernessFlavor

Résumé

récupéré en direct d'OpenAlex

Abstract Kumar, S. and Sharma, B.D. 2003. Effect of skimmed milk powder incorporation on the physico-chemical and sensory characteristics of restructured buffalo meat blocks. J. Appl. Anim. Res., 23: 217–222. Restructuring of meat from spent animals brings about convenience in product preparation, besides enhancing tenderness and value addition. Milk proteins have been shown to offer added functionality and nutritional properties in some meat products. This study was undertaken to evaluate the incorporation of skimmed milk powder (SMP) at 0, 2, 4 and 6 per cent levels replacing lean meat in prestandardized restructured buffalo meat blocks. There was a progressive improvement in the cooking yield, protein, shrinkage, binding strength and sensory characteristics of the meat blocks with increasing levels of skimmed milk powder incorporation. At 2 per cent SMP incorporation, most of the physico-chemical and sensory characteristics of the product were found to be comparable to control and 4per cent SMP products. However, incorporation of 6 per cent skimmed milk powder in the product brought about a significant (P<0.05) improvement in protein, flavour, binding strength and overall acceptability as compared to control. Shrinkage loss was also significantly reduced. Key words: Buffalo meatrestructured meat blocksskimmed milk powdersensory characteristics

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)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,208

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 savante0,0000,000
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 Opus0,056
Tête enseignante GPT0,313
Écart entre enseignants0,257 · 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

Citations4
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Animal ResearchMême sujetMeat and Animal Product QualityTravaux en français237 207