MétaCan
Menu
Retour à la cohorte
Enregistrement W2085383333 · doi:10.1111/ijfs.12288

Effect of hyperbaric pressure and temperature on respiration rates and quality attributes of <scp>B</scp>oston lettuce

2013· article· en· W2085383333 sur OpenAlexafffund
Pansa Liplap, Jérôme Boutin, Denyse I. LeBlanc, Clément Vigneault, G. S. V. Raghavan

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensUniversité de MonctonMcGill UniversityAgriculture and Agri-Food Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRespiration rateRespirationShelf lifeHorticultureChemistryRefrigerationAnimal scienceFood scienceEnvironmental scienceBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Summary A study was conducted to determine whether hyperbaric treatment has an effect on the shelf life of lettuce during short‐term storage. Lettuce was treated with different pressure and temperature conditions (100–850 kPa at 20 °C and 100 kPa at 4 °C). A preliminary experiment was performed with different treatment periods, that is, 3, 5 and 7 days. Hyperbaric treatment of lettuces at 20 °C caused noticeable changes in sensory quality, but the product was still marketable after 3 days. On the other hand, the cold‐stored lettuce showed little degradation even after 7 days of treatment, at which time all the lettuce treated at 20 °C was unmarketable. At 5 days of treatment, the respiration rate of hyperbaric‐treated lettuces at 625 and 850 kPa remained fairly stable, while that of the lower‐pressure‐treated lettuce began to increase, indicating the initiation of decay. The 850‐kPa hyperbaric treatment showed better quality results than the 100 kPa, 20 °C treatment. Overall, hyperbaric treatment has the potential of being used as an alternative technique for short‐term storage of lettuce without refrigeration.

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)0,002
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 enseignants0,305
Score d'incertitude au seuil0,199

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,024
Tête enseignante GPT0,284
Écart entre enseignants0,260 · 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

Citations18
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207