MétaCan
Menu
Retour à la cohorte
Enregistrement W2082307435 · doi:10.1111/j.1365-2621.2003.tb12347.x

Tenderness and Chemical Composition of Elk (Cervus elaphus) Meat: Effects of Muscle Type, Marinade Composition, and Cooking Method

2003· article· en· W2082307435 sur OpenAlexaff
J.S Dhanda, Ronald B. Pegg, P.J. Shand

Notice bibliographique

RevueJournal of Food Science · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTendernessMarinationChemistryFood scienceComposition (language)Polyunsaturated fatty acidLongissimus dorsiSodiumChemical compositionAnimal scienceBiochemistryFatty acidBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Effects of sodium tripolyphosphate (STPP; 0.1, 0.2, or 0.3%) and 0.5%NaCl on the color, cooking yield, and tenderness of moisture‐enhanced elk longissimus lumborum (LL) and semimembranosus (SM) muscles were assessed. Injected samples had significantly ( P < 0.05) lower L, a , and b values and significantly ( P < 0.05) higher cooking yields and lower shear force values compared to controls; shear force values did not differ among marination treatments. The amino acid composition of elk meat was typical for those of red meat species. Elk meat was very lean and had a relatively high ratio of polyunsaturated to saturated fatty acids. The present study found that addition of 0.5% NaCl with 0.2% or 0.3% STPP to the marinade was best at improving the cooking yield and tenderness of the resultant products.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,113
Score d'incertitude au seuil0,126

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,244 · 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

Citations19
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207