Formation of<i>Trans</i>Fats: During Food Preparation
Notice bibliographique
Résumé
PURPOSE: An investigation was completed to determine how typical cooking procedures used in food preparation, such as baking and stir-frying, affect trans fats formation. METHODS: Canola oil was used as the main fat ingredient. Zucchini cake and gingersnap cookies were baked at 180o C and 200o C, while stir-fried chicken was prepared at 200o C and 275o C. The lipids from the food were extracted following the Folch procedure, and analyzed for trans fatty acids according to ISO official method 15304. RESULTS: Minimal changes were observed in the amount of trans fats during baking. Application of extreme temperatures during baking, which caused carbonization of the outer layer of products, yielded an insignificant increase in the amount of trans isomers. As with baking, stir-frying did not result in significant isomerization of the fatty acids, even when the oil was heated to 275o C and smoking heavily before the food was placed in it. Irrespective of the cooking procedure, linolenic acid was the most prone to isomerization with the highest amount of trans isomers formation. CONCLUSIONS: Baking and stir-frying at normal and/or extreme temperatures do not significantly affect the amounts of trans fats. Likewise, heating oil to the smoking point during stir-frying may decrease the amount of polyunsaturated fatty acids because of oxidative degradation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».