MétaCan
Menu
Retour à la cohorte
Enregistrement W2120330445 · doi:10.1002/jsfa.2242

The enrichment of Asian noodles with fiber‐rich fractions derived from roller milling of hull‐less barley

2005· article· en· W2120330445 sur OpenAlexaffabout
MS Izydorczyk, S. L. Lagassé, Hatcher Dw, J. E. Dexter, BG Rossnagel

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2005
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésChewinessFood scienceDietary fiberWheat flourStarchFiberMathematicsAmyloseChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Fiber‐rich fractions (FRF) derived from roller milling of waxy (W) and high amylose (HA) starch hull‐less barley genotypes were evaluated for suitability as functional ingredients in fresh and dried white salted (WSN) and fresh yellow alkaline (YAN) noodles. FRF‐W and FRF‐HA both contained over 300 g kg−1 dietary fiber, and over 200 g kg−1 of β‐glucans. Replacement of 250 g kg−1 Canada Prairie Spring White (cv AC Vista) wheat patent flour with the FRF posed no problems in noodle processing, although water absorption had to be substantially increased. All three noodle types enriched with the FRF were significantly darker and contained more brown specks than the wheat flour control noodles. The presence of the FRF reduced cooking time of fresh YAN and WSN by ∼50%. The addition of FRF improved cooked YAN texture, as evidenced by increased firmness and resistance to compression. FRF‐enriched fresh WSN were comparable to the wheat flour control noodles for those parameters, whereas enrichment of dry WSN by FRF imparted less firmness and less chewiness. FRF‐enriched fresh YAN and WSN offer consumer convenience due to shorter cooking time, improved nutritional quality and acceptable cooking quality. These features might make FRF‐enriched noodles sufficiently attractive to health‐conscious consumers to overcome the negative effects of color and appearance Copyright © 2005 Society of Chemical Industry

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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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

Citations138
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and AgricultureMême sujetFood composition and propertiesTravaux en français237 207