MétaCan
Menu
Retour à la cohorte
Enregistrement W2054983588 · doi:10.1080/07373937.2012.709571

Optimal Operating Conditions to Produce Nutritious Partially Parboiled Brown Rice in a Humidified Hot Air Fluidized Bed Dryer

2013· article· en· W2054983588 sur OpenAlexfundno aff
Chaiwat Rattanamechaiskul, Somchart Soponronnarit, Somkiat Prachayawarakorn, Patcharee Tungtrakul

Notice bibliographique

RevueDrying Technology · 2013
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésBrown riceStarchStarch gelatinizationAmyloseChemistryWater contentFood scienceMoistureRelative humidityCrystallinityAir temperatureOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

V-type amylose–lipid complexes present in partially parboiled rice can decrease starch digestibility. Formation of such complexes can be accomplished using high-temperature fluidized bed drying; the degree of the complexes depends on the thermal condition. The effects of drying media (hot air and humidified hot air), operating conditions (drying air temperature and relative humidity [RH]), and the initial moisture content on the degree of V-type crystallinity and subsequent starch digestibility (or glycemic index, GI) and brown rice texture were examined experimentally. The results showed that paddy drying with humidified hot air (HHA) requires a longer time than hot air (HA). Higher drying air temperature, RH, and initial moisture content of paddy yield higher degrees of starch gelatinization and V-type amylose–lipid complexes. The brown rice dried by HA or HHA had lower starch digestibility and a harder texture than the reference sample. Within the range of parameters studied, to obtain the lowest GI for the dried brown rice, paddy at an initial moisture content of 33% (db) should be dried by HHA at 150°C and 6.4% RH.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,263
Écart entre enseignants0,245 · 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

Citations20
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetFood composition and propertiesTravaux en français237 207