MétaCan
Menu
Retour à la cohorte
Enregistrement W2082391904 · doi:10.4314/sajas.v34i6.3816

Progress in understanding the paleness of meat with a low pH: keynote address

2004· article· en· W2082391904 sur OpenAlexaff
Swatland Hj

Notice bibliographique

RevueSouth African Journal of Animal Science · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMyofibrilSarcomereChemistryScatteringAbsorbanceFood scienceMyoglobinOpticsBiochemistryBiologyPhysicsChromatographyMyocyte

Résumé

récupéré en direct d'OpenAlex

Meat with a low pH is generally paler than at a high pH. Paleness related to pH is caused by light scattering. Myofibrils are a primary cause of pH-related light scattering in meat, but light scattering is also related inversely to sarcomere length. We do not yet know the relative importance of surface reflectance from myofibrils vs. refraction through the depth of myofibrils. Precipitation of sarcoplasmic proteins is added to myofibrillar scattering when pH is extremely low, or when pH reaches low levels while meat is still hot. Scattering tends to decrease the length of the light path through meat. This reduces selective absorbance by myoglobin. Thus, the colour of meat is more conspicuous when pH is high. Recent experiments show a direct contribution from mitochondria to the optical properties of meat. Progress in this subject helps explain meat colour and may help us improve optical methods for predicting meat quality on-line. South African Journal of Animal Science Supp 2 2004:1-7

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
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 Opus0,062
Tête enseignante GPT0,264
Écart entre enseignants0,203 · 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'étudeObservationnel
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

Citations48
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth African Journal of Animal ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207