MétaCan
Menu
Retour à la cohorte
Enregistrement W2095155360 · doi:10.1016/j.jff.2014.12.020

Development and evaluation of a fermented coconut water beverage with potential health benefits

2014· article· en· W2095155360 sur OpenAlexaff
Flávera Camargo Prado, Juliano De Dea Lindner, Juliana Inaba, Vanete Thomaz‐Soccol, Satinder Kaur Brar, Carlos Ricardo Soccol

Notice bibliographique

RevueJournal of Functional Foods · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueCoconut Research and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésIngredientFood scienceLactobacillus plantarumCocos nuciferaFermentationLactoseLactic acidHydrolysateYeastSucroseHealth benefitsFermentation in food processingBiotechnologyChemistryBiologyBacteriaTraditional medicineBotanyBiochemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Coconut water is a liquid obtained from coconuts (Cocos nucifera L.) with natural hydrating qualities, functional health properties and nutritional benefits. The aim of this work was to develop an innovative, non-dairy, fermented functional beverage using coconut water as the main ingredient for providing the intrinsic health properties. Among seven autochthonous lactic acid bacteria strains isolated from natural fermentation of coconut water, Lactobacillus plantarum was selected due to its inhibitory activity against some pathogens and its characteristics that favor survival under some technological and gastrointestinal conditions. The fermentation was carried out for 8 h at 37 °C in the presence of yeast extract, soy protein hydrolysate and sucrose. Coconut water is a non-dairy substrate that can be introduced as a new vehicle for the consumption of functional cultured beverage, especially by vegans and/or vegetarians and lactose intolerant consumers.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,037
Tête enseignante GPT0,287
Écart entre enseignants0,249 · 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

Citations128
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Functional FoodsMême sujetCoconut Research and ApplicationsTravaux en français237 207