MétaCan
Menu
Retour à la cohorte
Enregistrement W2039150180 · doi:10.5539/jfr.v4n1p155

Effect of Thermal Process and Filtration on the Antioxidant Activity and Physicochemical Parameters of Agave atrovirens Extracts

2014· article· en· W2039150180 sur OpenAlexvenueno aff
Víctor Olvera-García, Anaberta Cardador‐Martínez, Sandra T. Martín del Campo

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensnon disponible
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésAgaveChemistryFood sciencePhenolsAntioxidantSugarBotanyBiochemistry

Résumé

récupéré en direct d'OpenAlex

<p>Recently agave plants are being used in the production of syrups that are consumed by diabetic people in order to control their blood glucose levels; unfortunately a deep characterization of this kind of products has not been made. In this study the juice obtained from <em>Agave atrovirens</em> leaves (CE) was filtered and cooked (FE) and evaporated until it has a solid content of 20 ºBx (TE), and the effect of the process in some parameters like pH, acidity, solid content, 5-Hydroxymethylfurfural (5-HMF) and compounds with biological properties like saponins and phenolic compounds as well as antioxidant activity were evaluated. Once FE was concentrated, a dark brown liquid with a pH of 5.32 was obtained; the content of phenolics and saponins undergoes slightly modifications trough the complete process. 5-HMF was only detected in CE but not in FE and TE. Filtering decrease acidity, total phenolics, saponins, 5-HMF and the antiradical activity (ARA); and evaporation increase the content of reducing sugars and tends to increase the ARA value. For this study, we can conclude that the negative impact associated to a thermal process on bioactive compounds like phenols and antioxidant activity is negligible hence <em>Agave atrovirens</em> leaves could be a source of a product with phytochemicals.</p>

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,211

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 ouverte0,0000,000
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 Opus0,037
Tête enseignante GPT0,352
Écart entre enseignants0,315 · 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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207