MétaCan
Menu
Retour à la cohorte
Enregistrement W2032613852 · doi:10.1155/2014/749630

Dissolution of Lipid-Based Matrices in Simulated Gastrointestinal Solutions to Evaluate Their Potential for the Encapsulation of Bioactive Ingredients for Foods

2014· article· en· W2032613852 sur OpenAlexaff
Yves Raymond, Claude P. Champagne

Notice bibliographique

RevueInternational Journal of Food Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésEncapsulation (networking)DissolutionChemistryFood scienceComputer scienceOrganic chemistryComputer security

Résumé

récupéré en direct d'OpenAlex

The goal of the study was to compare the dissolution of chocolate to other lipid-based matrices suitable for the microencapsulation of bioactive ingredients in simulated gastrointestinal solutions. Particles having approximately 750 μm or 2.5 mm were prepared from the following lipid-based matrices: cocoa butter, fractionated palm kernel oil (FPKO), chocolate, beeswax, carnauba wax, and paraffin. They were added to solutions designed to simulate gastric secretions (GS) or duodenum secretions (DS) at 37°C. Paraffin, carnauba wax, and bees wax did not dissolve in either the GS or DS media. Cocoa butter, FPKO, and chocolate dissolved in the DS medium. Cocoa butter, and to a lesser extent chocolate, also dissolved in the GS medium. With chocolate, dissolution was twice as fast as that with small particles (750 μm) as compared to the larger (2.5 mm) ones. With 750 μm particle sizes, 90% dissolution of chocolate beads was attained after only 60 minutes in the DS medium, while it took 120 minutes for 70% of FPKO beads to dissolve in the same conditions. The data are discussed from the perspective of controlled release in the gastrointestinal tract of encapsulated ingredients (minerals, oils, probiotic bacteria, enzymes, vitamins, and peptides) used in the development of functional foods.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil0,161

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,302
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food ScienceMême sujetProteins in Food SystemsTravaux en français237 207